شنتشن، الصين ، 8 مايو 2026 /PRNewswire/ -- أعلنت شركة MicroAlgo Inc. (المشار إليها فيما يلي بـ "الشركة" أو "MicroAlgo") (NASDAQ: MLGO) اليوم عن تطوير تقنية مبتكرة - البحث عن البنية الكمومية (QAS)، والتي تهدف إلى تحسين بنية الدوائر الكمومية تلقائيًا لتعزيز متانة وقابلية تدريب VQA، مما يزيد من إمكانات أجهزة الحوسبة الكمومية.

في إطار عمل VQA التقليدي، يُصمَّم عادةً تصميم بنى الدوائر الكمومية يدويًا أو بالاعتماد على بنى قياسية محددة مسبقًا. مع ذلك، فإن التشويش والأخطاء في الحواسيب الكمومية شديدة للغاية في الأجهزة متوسطة الحجم، مما يجعل تصميم الدوائر عاملًا حاسمًا يؤثر على أداء VQA. قد تُحسِّن بنى الدوائر الأكثر تعقيدًا القدرة التعبيرية، لكنها في الوقت نفسه تُدخل المزيد من التشويش والأخطاء، مما يؤدي إلى صعوبات في عملية التدريب أو حتى فشل كامل.

لتحقيق التوازن بين القدرة التعبيرية لبنى الدوائر وتأثير التشويش، اقترحت شركة MicroAlgo طريقة بحث عن البنية الكمومية (QAS). تعمل QAS على تحسين أداء VQA من خلال البحث التلقائي عن بنى الدوائر الكمومية، والحد من تأثير التشويش على التدريب، وإيجاد بنية دائرة شبه مثالية. لا تساعد هذه الطريقة في تحسين متانة الخوارزميات الكمومية في البيئات المشوشة فحسب، بل تعزز أيضًا أداءها بشكل ملحوظ في المهام العملية.

تتمثل الفكرة الأساسية لخوارزمية MicroAlgo QAS في البحث المنهجي في فضاء بنية الدوائر الكمومية للعثور على بنية الدائرة الأنسب لمهمة محددة. وعلى عكس التصميم التقليدي، تعتمد QAS نهجًا ذكيًا للتحسين، حيث تستكشف تلقائيًا فضاء بنى الدوائر لزيادة قابلية التدريب ومتانة VQA إلى أقصى حد.

لا يقتصر تصميم بنى الدوائر الكمومية على مجرد ترتيب البوابات الكمومية، بل يشمل مستويات متعددة من التحسين، مثل اختيار البوابات الكمومية، وتوصيل الكيوبتات، وأنماط التفاعل بينها. يُعرّف QAS أولًا فضاءً لبنية الدائرة يشمل جميع تكوينات الدوائر الكمومية الممكنة، بما في ذلك أنواع البوابات الكمومية وترتيبها وأنماط توصيلها.

للبحث الفعال في فضاء بنية الدوائر، يقدم نظام QAS أساليب تحسين متقدمة مثل التعلم المعزز والخوارزميات الجينية. أولًا، يستخدم QAS نموذج التعلم المعزز لتقييم أداء VQA في ظل بنى مختلفة من خلال محاكاة عملية التدريب. وبهذا النهج، يستطيع QAS اختيار الحل الأمثل من بين ملايين بنى الدوائر الممكنة.

بالإضافة إلى ذلك، يُعدّ التشويش في الحوسبة الكمومية أحد العوامل الرئيسية التي تحدّ من أداء VQA. خلال عملية البحث عن البنية، يدمج QAS آلية نمذجة التشويش، التي تتنبأ بأداء بنى الدوائر المختلفة في ظل ظروف التشويش من خلال محاكاة عملية التدريب في بيئة مشوشة. وبفضل هذه النمذجة، يستطيع QAS تحديد البنى الأكثر قوة تلقائيًا في ظل ظروف تشويش محددة، مما يضمن عدم تأثر أداء VQA بالتشويش بشكل مفرط.

في كل جولة من جولات تحسين البحث عن بنية الكم، لا يقتصر خوارزمية MicroAlgo QAS على مراعاة التغييرات في تصميم البنية فحسب، بل تدمج أيضًا خوارزميات التحسين الكلاسيكية، مثل خوارزمية التدرج الهبوطي، لضمان إمكانية تدريب البنية المختارة بكفاءة لمهمة التعلم المحددة. ومن خلال تكرارات متعددة، تتقارب QAS تدريجيًا نحو بنية دارة كمومية تُعزز القدرة التعبيرية وتُخفف تأثير التشويش بفعالية. علاوة على ذلك، تُعد ظاهرة الهضبة تحديًا رئيسيًا آخر في تدريب VQA. فخلال عملية التدريب، قد يواجه التحسين مناطق "هضبة قاحلة"، مما يؤدي إلى حلول مثلى محلية تُصعّب إجراء المزيد من التحسينات. ومن خلال تصميم بنى واستراتيجيات تحسين مناسبة، تستطيع MicroAlgo QAS تجنب الوقوع في مثل هذه الهضاب القاحلة، وبالتالي تحسين قابلية التدريب وقدرة VQA على التحسين الشامل.

يُمكن لخوارزمية MicroAlgo QAS، من خلال تحسين بنى الدوائر الكمومية، تعزيز متانة خوارزمية VQA بشكل ملحوظ في بيئات متنوعة ذات ضوضاء عالية. وبفضل البحث التلقائي عن تصميمات الدوائر المناسبة، تتجنب QAS الاختيار اليدوي للبنى غير الملائمة، مما يُتيح لخوارزمية VQA العمل بكفاءة أكبر على أجهزة الكمبيوتر الكمومية الفعلية.

لا يقتصر تحسين الدوائر الكمومية على تقليل عدد البوابات الكمومية فحسب، بل يتعداه إلى إيجاد بنية قادرة على التقارب السريع وتجنب الوقوع في الحلول المثلى المحلية. وبفضل آليات البحث الذكية ونمذجة الضوضاء، تُمكّن خوارزمية البحث الكمومي المتقدم (QAS) خوارزمية البحث الكمومي المرئي (VQA) من إتمام التدريب في وقت أقصر، والوصول في نهاية المطاف إلى الحل الأمثل الشامل.

من مزايا MicroAlgo QAS الأخرى قابليتها الواسعة للتكيف. فسواءً استُخدمت في التعلم الآلي الكمومي، أو مسائل التحسين الكمومي، أو مهام المحاكاة الكمومية، تستطيع QAS تعديل بنية الدوائر بناءً على متطلبات المهام المختلفة، مما يوفر حلولًا مُخصصة. وهذا ما يجعل QAS أداةً مرنةً وعمليةً للغاية في مجال الحوسبة الكمومية. لا تقتصر قدرة MicroAlgo QAS على العمل على الأجهزة الكمومية الحالية فحسب، بل تتميز أيضًا بقابلية توسع عالية. فمن خلال تحسين بنية الدوائر، تستطيع QAS تحقيق أداء أكثر كفاءة على الحواسيب الكمومية ذات الموارد المحدودة، مما يجعل الحوسبة الكمومية أكثر جدوى.

في العديد من التجارب العملية، تفوقت خوارزمية QAS بشكل ملحوظ على مناهج VQA التقليدية ذات بنى الدوائر المصممة يدويًا. في مهام التعلم الآلي الكمومي القياسية، حققت خوارزمية QAS نتائج باهرة في تقليل تأثير التشويش، وتحسين سرعة تقارب التدريب، وتخفيف تأثير مرحلة الثبات. بالمقارنة مع الطرق التقليدية، حسّنت QAS سرعة التدريب بأكثر من 40% وعززت المتانة في البيئات المشوشة بنسبة 30%. علاوة على ذلك، أظهرت QAS أداءً قويًا مماثلًا في مسائل التحسين الكمومي.

يمثل إطلاق تقنية QAS من MicroAlgo نقلة نوعية في تطبيق خوارزميات الكم المتغيرة (VQA). فمن خلال البحث الآلي عن بنية الدوائر الكمومية، لا تعالج QAS مشكلات مثل التشويش وكفاءة التدريب وتأثير الهضبة فحسب، بل تُحسّن أيضًا أداء VQA بشكل ملحوظ على أجهزة الكمبيوتر الكمومية الحقيقية. ومع استمرار تطور أجهزة الحوسبة الكمومية، ستصبح QAS إحدى التقنيات الأساسية في تطوير الخوارزميات الكمومية.

في المستقبل، يمكن تطبيق الحوسبة الكمومية المتقدمة (QAS) ليس فقط في مجالات متعددة مثل التعلم الآلي الكمومي، والتحسين الكمومي، والكيمياء الكمومية، بل أيضًا في دمجها مع تقنيات الحوسبة الكمومية المتقدمة الأخرى، مثل تصحيح الأخطاء الكمومية والاتصالات الكمومية، مما يعزز انتشار الحوسبة الكمومية وتطبيقاتها. نتطلع إلى أن تُرسّخ الحوسبة الكمومية المتقدمة من MicroAlgo أساسًا متينًا للتطبيقات التجارية للحوسبة الكمومية، وأن تُقدّم حلولًا كمومية أكثر كفاءة ودقة لمختلف الصناعات.

نبذة عن شركة مايكرو ألغو

تُكرّس شركة MicroAlgo Inc. (المشار إليها فيما يلي بـ "MicroAlgo")، وهي شركة مُعفاة من الضرائب في جزر كايمان، جهودها لتطوير وتطبيق خوارزميات معالجة مركزية مُخصصة. تُقدّم MicroAlgo حلولاً شاملة لعملائها من خلال دمج خوارزميات المعالجة المركزية مع البرمجيات أو الأجهزة، أو كليهما، مما يُساعدهم على زيادة عدد العملاء، وتحسين رضا المستخدم النهائي، وتحقيق وفورات مباشرة في التكاليف، وخفض استهلاك الطاقة، وتحقيق الأهداف التقنية. تشمل خدمات MicroAlgo تحسين الخوارزميات، وتسريع قوة الحوسبة دون الحاجة إلى ترقيات للأجهزة، ومعالجة البيانات الخفيفة، وخدمات ذكاء البيانات. تُشكّل قدرة MicroAlgo على تقديم تحسينات فعّالة للبرمجيات والأجهزة للعملاء من خلال خوارزميات معالجة مركزية مُخصصة قوة دافعة لتطويرها على المدى الطويل.

البيانات التطلعية

يحتوي هذا البيان الصحفي على تصريحات قد تُعتبر "تصريحات استشرافية". تخضع هذه التصريحات لشروط عديدة، كثير منها خارج عن سيطرة شركة مايكرو ألغو، بما في ذلك تلك المذكورة في قسم عوامل المخاطرة في التقارير الدورية للشركة على النموذجين 10-K و8-K المُقدمة إلى هيئة الأوراق المالية والبورصات الأمريكية. تتوفر نسخ من هذه التقارير على موقع الهيئة الإلكتروني www.sec.gov . تُستخدم كلمات مثل "نتوقع"، "نُقدّر"، "نُخطط"، "نُعدّ ميزانية"، "نتنبأ"، "نتوقع"، "ننوي"، "نُخطط"، "قد"، "سوف"، "يمكن"، "ينبغي"، "نعتقد"، "نتوقع"، "محتمل"، "نستمر"، وما شابهها من تعابير، لتحديد هذه التصريحات الاستشرافية. تشمل هذه التصريحات الاستشرافية، على سبيل المثال لا الحصر، توقعات مايكرو ألغو فيما يتعلق بالأداء المستقبلي والآثار المالية المتوقعة للصفقة التجارية.

لا تتحمل شركة MicroAlgo أي التزام بتحديث هذه البيانات في حالة وجود تنقيحات أو تغييرات بعد تاريخ هذا الإصدار، إلا إذا كان ذلك مطلوبًا بموجب القانون.

للاطلاع على المحتوى الأصلي: https://www.prnewswire.com/news-releases/microalgo-inc-develops-quantum-architecture-search-qas-technology-to-enhance-vqa-robustness-and-trainability-optimizing-the-potential-of-quantum-computing-devices-302766899.html

المصدر: شركة مايكرو ألغو