باحثون Google Quantum AI يوضحون ميزة كمية توليدية للمشاكل الكلاسيكية والكمية

نشر باحثون متخصصون من Google Quantum AI ومعهد كاليفورنيا المرموق للتكنولوجيا وجامعة Purdue المعروفة ورقة بحثية متقدمة تقدم عائلات متنوعة من نماذج الكمومية التوليدية الجديدة والمبتكرة. يثبت البحث الشامل والمتاح على منصة arXiv أن عمليات التعلم وأخذ العينات يمكن إجراؤهما بكفاءة عالية في النطاق ما وراء الكلاسيكي المتقدم، فاتحاً إمكانيات جديدة وواسعة لنماذج كمومية معززة توليدية مع ميزة قابلة للإثبات والتحقق. تم تصميم النماذج المتطورة لتكون قابلة للتدريب بكفاءة عملية، مع إطار عمل متطور يتجنب الهضاب العارية الشهيرة والحد الأدنى المحلي العنيد في مناظرها التدريبية المعقدة، بينما تبقى صعبة المحاكاة والتنفيذ كلاسيكياً. باستخدام معالج كمي فائق التوصيل متقدم بـ 68 كيوبت عالي الدقة، أثبت الفريق البحثي هذه القدرات المتقدمة في سيناريوين مهمين: تعلم توزيعات احتمالية يصعب بشدة حسابها بالطرق الكلاسيكية وتعلم دوائر كمية لمحاكاة فيزيائية معجلة وفعالة. يقدم هذا العمل الرائد تعييناً دقيقاً وجديداً بين عائلات الدوائر العميقة والسطحة المختلفة، بالإضافة إلى تقنية ابتكارية تسمى تقنية الخياطة، وهي خوارزمية تعلم فرّق وتسد الحديثة التي تبسّط بشكل ملحوظ مشهد التعلم المعقد. يعالج البحث المتقدم تحدياً رئيسياً وعميقاً في التعلم الآلي الكمي بإثباته الصارم أن عمليات التعلم وأخذ العينات يمكن إجراؤهما بكفاءة عالية في النطاق ما وراء الكلاسيكي. يتم إظهار أن القدرة على تحديد ممثل دارة عمق ثابت بكفاءة لدارة عامة معقدة تتطلب وتحتاج لحاسوب كمياً متقدماً. يوفر هذا العمل المتميز أساساً قوياً وموثوقاً لتطوير نماذج كمومية معززة توليدية مع ميزة قابلة للإثبات والتطبيقات العملية الفعلية المستقبلية.