عالم الذكاء الاصطناعي شهد تقدمًا كبيرًا مع إدخال تقنية جديدة تُعرف بتوأم رقمي كمي يعتمد على المحولات (Tx-NQDTs)، والتي تهدف إلى إعادة بناء الطيف المنخفض الطاقة للأنظمة الكمية المعقدة. يتضمن ذلك طاقة الحالة الأساسية وطاقة الحالة المثارة الأولى، إضافةً إلى عناصر المصفوفة الانتقالية، مع تحقيق كفاءة عالية في الحوسبة.

تستفيد Tx-NQDTs من شبكة عصبية مستندة إلى المحولات تمت تربيتها لتقدير المعلومات الطيفية الضرورية لتصميم الجدول الزمني للتنقيح. وتدمج هذه التقديرات مع إجراء بناء جدول زمني تكييفي يعتمد على نظرية الاضطراب الأديباتي الأولى (FOAPT)، مما يساعد في تخصيص الوقت قرب نقاط الازدحام الطيفية المتوقعة.

أظهرت التجارب التي أُجريت على جهاز تنقيح كمي من D-Wave نجاحًا باهرًا، حيث تم تحسين احتمالات النجاح في الحصول على الحالة الأساسية بشكل ملحوظ مقارنةً بالجدول الزمني الافتراضي. وصلت التحسينات إلى ما بين 2.2 إلى 11.7 نقطة مئوية، مما يدل على أن الجداول الزمنية المدعومة بواسطة Tx-NQDTs توفر أداءً أفضل في معظم الحالات المبلغ عنها.

هذا البحث لا يُظهر فقط إمكانية استخدام المعلومات الطيفية المُتعلمة، بل يشير أيضًا إلى المستقبل الواعد للتنقيح الكمي التكيفي في التطبيقات العملية. هل تعتقد أن هذه التقنية ستُحدث فرقًا كبيرًا في تقدم الحوسبة الكمية؟ شاركنا برأيك في التعليقات!