تستكشف شركة WiMi Hologram Cloud Inc. (NASDAQ: WIMI ) ("WiMi" أو "الشركة")، وهي شركة عالمية رائدة في مجال تكنولوجيا الواقع المعزز بالهولوغرام ("AR")، تقنية تحسين التجميع متعدد الأبعاد في إطار خوارزمية الكم المتغيرة، وتقترح حلاً مبتكرًا يدمج تحويل هار الكمي (QHT) مع القياس الجزئي الكمي، ويبني آلية تجميع كمي تمتلك كلاً من القدرة على الحفاظ على الميزات المحلية وكفاءة ضغط الأبعاد.

من الناحية التقنية، يُعد تحويل هار تقنية أساسية في مجال معالجة الإشارات الكلاسيكية، ويُستخدم على نطاق واسع في ضغط البيانات واستخلاص الميزات. وباعتباره امتدادًا كميًا له، يقوم تحويل هار الكمي (QHT) بتحويل البيانات الكلاسيكية عالية الأبعاد إلى فضاء الحالة الكمومية عبر مجموعات البوابات الكمومية المُعَلمة، محققًا بذلك تحسنًا ملحوظًا في الكفاءة الحسابية مقارنةً بتحويل هار الكلاسيكي. في عملية التحويل هذه، يُقابل كل كيوبت بُعدًا واحدًا من أبعاد ميزات البيانات، وتُشفّر معاملات التراكب للحالة الكمومية معلومات شدة الميزة. في الوقت نفسه، تُبنى الارتباطات بين أبعاد الميزات من خلال التشابك الكمومي، مما لا يحافظ فقط على المعلومات الهيكلية العامة للبيانات بشكل كامل، بل يُعزز أيضًا ارتباطات الميزات المحلية من خلال قيود نطاق العمل المحلي للبوابات الكمومية، ما يحل بفعالية مشكلة التعقيد الحسابي المتزايد بشكل أُسّي التي يواجهها تحويل هار الكلاسيكي في معالجة البيانات عالية الأبعاد. بعد أن يُكمل تحويل هار الكمي عملية تحويل البيانات، تتولى تقنية القياس الجزئي الكمومي الوظيفة الأساسية لتجميع البيانات متعددة الأبعاد. يختلف منطقها الأساسي عن أسلوب تقليل الأبعاد الخام للتجميع التقليدي الذي يتجاهل البيانات الزائدة بشكل مباشر، وبدلاً من ذلك تستخدم الخصائص الاحتمالية للحالات الكمومية جنبًا إلى جنب مع استراتيجيات التجميع المحددة مسبقًا لاستخراج معلومات الميزات الرئيسية بشكل انتقائي من الحالات الكمومية في شكل احتمالي.

باعتبارها المحرك الأساسي لخوارزمية التحسين بأكملها، تُنشئ VQA إطار عمل هجينًا للتحسين من خلال دمج تقنيات الحوسبة الكمومية والتحسين الكلاسيكي. يتكون هيكلها الأساسي من دارة كمومية مُعَلمة (PQC) ومُحسِّن كلاسيكي. من خلال ضبط معلمات الدارة الكمومية بشكل متكرر لتقليل دالة خسارة مُحددة مسبقًا، تضمن VQA أن عملية التجميع قادرة على التقاط السمات الرئيسية للبيانات عالية الأبعاد بدقة، مع تحقيق التوازن بين الكفاءة الحسابية والدقة. في سيناريوهات تحسين التجميع متعدد الأبعاد، تتجلى القيمة الأساسية لـ VQA في ثلاثة جوانب: أولًا، تحقيق التجميع المباشر للبيانات متعددة الأبعاد دون الحاجة إلى اختزال البيانات عالية الأبعاد إلى فضاء أحادي البعد، مما يحل جذريًا مشكلة فقدان السمات المحلية الناتجة عن التجميع التقليدي، ويحافظ بشكل كامل على البنية المكانية والارتباطات المحلية للبيانات؛ ثانيًا، الاستفادة من خصائص التراكب الكمومي والتشابك للحصول على تمثيلات أكثر ثراءً لخصائص البيانات متعددة الأبعاد في فضاء الحالة الكمومية، مما يُمكّن من استخلاص خصائص دقيقة ومعقدة لا تستطيع طرق التجميع التقليدية التقاطها؛ ثالثًا، الاعتماد على التوازي الكمومي لتقليل التعقيد الحسابي لتجميع البيانات عالية الأبعاد بشكل كبير، وتحقيق تسريع حسابي على مستوى كثير الحدود، وتحسين كفاءة تدريب النموذج والاستدلال بشكل ملحوظ. بالإضافة إلى ذلك، يتميز إطار عمل VQA بقابلية توسع جيدة. فمن خلال ضبط معلمات وبنية البوابات للدائرة الكمومية، يمكنه التكيف بمرونة مع احتياجات معالجة البيانات غير المهيكلة ذات الأبعاد والأنواع المختلفة، مثل الصوت أحادي البعد، والصور ثنائية الأبعاد، وسحب النقاط ثلاثية الأبعاد، والبيانات الطيفية الفائقة، مما يُظهر آفاقًا واسعة للتطبيق.

ستتغلب تقنية تحسين التجميع متعدد الأبعاد المدفوعة بتقنية VQA والتي بحثتها WiMi على قيود الحفاظ على الموضع في طرق التجميع التقليدية في معالجة البيانات عالية الأبعاد، وستطلق العنان بالكامل للمزايا الكامنة في الحوسبة الكمومية في تمثيل الميزات والكفاءة الحسابية، وستوفر دعمًا تقنيًا رئيسيًا للتطبيق العملي لـ QML في مهام البيانات المعقدة متعددة الأبعاد.

في المستقبل، ومع التحديث المتكرر للأجهزة الكمومية والتحسين المستمر للخوارزميات، من المتوقع أن تحقق تقنية تحسين التجميع متعدد الأبعاد في إطار عمل VQA تطبيقًا عمليًا في المزيد من المجالات.