نقترح طريقة استقراء ضوضاء صفرية مدفوعة بالشبكة العصبية لزيادة دقة VQE في بيئة كمومية صاخبة.
يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية
مقالة بحثية
نقترح طريقة استقراء ضوضاء صفرية مدفوعة بالشبكة العصبية لزيادة دقة VQE في بيئة كمومية صاخبة.
في عصر الكم الصاخب على نطاق متوسط (NISQ) ، يظهر Variational Quantum Eigensolver (VQE) كخوارزمية فعالة لمواجهة التحديات الكمومية المعقدة. ومع ذلك ، فإن وجود الضوضاء في الأجهزة الكمومية يقلل في كثير من الأحيان من دقة وموثوقية نتائج VQE. تقدم هذه الورقة طريقة مبتكرة لمعالجة هذه المشكلة باستخدام تقنية الاستقراء القائمة على الشبكة العصبية في حساب VQE. من خلال استخدام إطار عمل Qiskit ، قمنا بتصميم دوائر كمومية ذات معلمات باستخدام RY-RZ ansatz ، وتم تحليل أدائها تحت مستويات مختلفة من الضوضاء الإزالة للاستقطاب مع أخطاء قلب البت ، وأخطاء قلب الطور ، وأخطاء تخميد السعة. تضمن تحقيقنا تحليل النتائج المتوقعة من هاميلتوني عبر مستويات مختلفة من شدة الضوضاء بهدف استنتاج طاقة الحالة الأرضية (GSE). لربط النتائج الصاخبة المرصودة بالحالة المثالية الخالية من الضوضاء ، تم تدريب الشبكة العصبية للتغذية الأمامية (FFNN) باستخدام احتمالات الخطأ وقيم التوقعات المقابلة لها. تنبأ هذا النموذج بدقة بنتائج VQE في سيناريو مثالي خال من الضوضاء. كشفت مقارنة نتيجة المحاكاة وعمليات تنفيذ الأجهزة الكمومية الحقيقية عن التناقضات الناجمة عن الضوضاء ، مما يسلط الضوء على فعالية نهج الاستقراء القائم على الشبكة العصبية في تصحيحها. تعمل هذه الطريقة الشاملة على تحسين دقة حساب VQE على أجهزة NISQ وتسلط الضوء على الإمكانات الكبيرة لمزج الطرق الكمومية والكلاسيكية لمواجهة التهديدات التي تفرضها الضوضاء الكمومية. تكشف مقارنة النتائج بين شبكة FFFNN والشبكة العصبية التلافيفية (CNN) والذاكرة طويلة المدى قصيرة المدى (LSTM) أن FFNN يتنبأ بالنتائج بدقة أكبر ولكن في وقت أقل.
تشبه الحوسبة الكمومية مزيجا من الموضوعات المختلفة ، حيث تمزج أفكارا من ميكانيكا الكم ونظرية الكمبيوتر. يمكن أن يغير الطريقة التي نتعامل بها مع المعلومات تماما. يمكن أن يوفر قدرات حسابية تتجاوز متناول الحسابات الكلاسيكية1. على الرغم من أن الحوسبة الكمومية تحمل وعدا كبيرا ، إلا أنها تواجه عقبات كبيرة. الأنظمة الكمومية هشة وتتأثر بسهولة بالضوضاء والأخطاء من مصادر مختلفة. يمكن أن تؤثر هذه الاضطرابات بشكل كبير على دقة الحسابات2،3،4،5،6.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
تم إجراء جميع التجارب باستخدام Qiskit qasm_simulator للمحاكاة الكلاسيكية وعلى جهاز IBM الكمومي ibm_kyoto ، والذي تم اختياره كأقل الواجهة الخلفية انشغالا المتاحة في وقت التنفيذ باستخدام وظيفة least_busy () الخاصة ب Qiskit. لم يكن هناك أي أشخاص أو متورطين ، وبالتالي لم تكن هناك حاجة إلى موافقة أخلاقية. واستخدمت جميع موارد البرمجيات والمعدات وفقا للمبادئ التوجيهية المؤسسية. يتم توفير ملفات التشفير كملف تشفير تكميلي 1 وملف تشفير تكميلي 2.
اعداد
تم تنفيذ التجارب في مكدس الحوسبة الكمومية والتعلم الآلي المستند إلى Python. تم إنشاء الدوائر الكمومية ومحاكاتها باستخدام إطار كمي مفتوح المصدر (على س....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
المحاكاة الكمومية تحت الضوضاء
نقوم بتغيير احتمالات الضوضاء من 0.01 إلى 0.05 ونقيس قيمة التوقع . مع زيادة الضوضاء ، تنحرف قيم التوقع المرصودة عن نتائجها المثالية (الخالية من الضوضاء) ، مما يعكس التأثير الضار لفك التماسك والأخطاء.
تنبؤات الشبكة العصبية
يتم تدريب الشبكة العصبية للتغذية الأمامية (FFNN) على التنبؤ بقيم التوقعات المثالية الخالية من الضوضاء بالنظر إلى مدخلات صاخبة. أثناء التدريب:
الإدخال: قيم توقع مقاسة (صاخبة) لكل θ واحتمال خطأ λ.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
لمعرفة فعالية نموذج الشبكة العصبية الموصوف هنا ، بدأنا بتقييم قدرتها على الحصول على أداء خال من الضوضاء اعتمادا على نتائج الدوائر الكمومية الصاخبة. يتم استخدام محسن آدم ويستخدم MSE كوظيفة خسارة. يشير الانخفاض المطرد في قيم MSE إلى أن النموذج نجح في التقاط العلاقة بين احتمالات الخطأ والنتائج المرتبطة بالدائرة الكمومية.
يتم إجراء المقارنة بين نتيجة الجهاز الكمومي الحقيقي ونتيجة المحاكاة والتنبؤ بنموذج الشبكة العصبية. في عمليات المحاكاة في ظل ظروف مثالية ، اشتقنا مجموعة من قيم التوقعات عبر قيم ثي.......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
ليس لدى المؤلفين أي تضارب في المصالح. لم يتم استخدام أدوات الذكاء الاصطناعي / ماجستير في إعداد المخطوطة.
تم دعم هذا العمل من قبل مشروع دعم الباحثين بجامعة الأميرة نورة بنت عبد الرحمن رقم (PNURSP2025R893) ، جامعة الأميرة نورة بنت عبد الرحمن ، الرياض ، المملكة العربية السعودية. يعرب المؤلفون عن شكرهم لعمادة الدراسات العليا والبحث العلمي في جامعة بيشة على دعمها لهذا العمل من خلال برنامج دعم المسار السريع للبحوث.
....الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| قيسكيت = 0.39.0 | آي بي إم كوانتوم | https://www.ibm.com/quantum/qiskit | إطار الحوسبة الكمومية الأساسي المستخدم لتصميم الدوائر ومحاكاتها ((RRID: SCR_021282) |
| بايثون 3.10 | مؤسسة برامج بايثون | https://www.python.org/ | لغة البرمجة المستخدمة لتنفيذ الخوارزميات وتحليل البيانات (RRID: SCR_008394) |
| منصة الكم | آي بي إم كوانتوم | https://quantum.cloud.ibm.com/computers | إطار الحوسبة الكمومية (RRID: SCR_021282) |
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.