شهد مجال التعلم الآلي تحولاً جذرياً بفضل الروابط القوية مع الحوسبة الكمومية، حيث يُعتبر الذكاء الاصطناعي هو أبرز المجالات التي تنمو بتسارع. وفي هذا السياق، تم تقديم تقنية جديدة تُعرف بشبكات عصبية كمومية أحادية (Single-Qubit Quantum Neural Networks - SQQNN)، والتي تُستخدم في مهام التنبؤ والتصنيف، مما يفتح آفاقاً جديدة للابتكار.

تعتمد تقنية SQQNN على استخدام وحدات متغيرة ومعاملات أحادية الكيوبت، مما يُمكّنها من تحقيق تعلم فعال وقابل للتوسع. حيث تتطلب نماذج التنبؤ تقنيات جديدة لتحميل البيانات، مما يُعزز من أداء النموذج.

لتحسين النتائج في مهام التقدير، نعتمد على أسلوب الانحدار (gradient descent) المألوف، بينما نقدم طريقة تدريب مبتكرة مستوحاة من الانحدار المتعدد الحدود، والتي تعزز القدرة على الوصول إلى الحد الأدنى العالمي للهدف التحويلي في خطوة واحدة.

تظهر الاختبارات على مجموعة متنوعة من التطبيقات مثل مجموعة بيانات سرطان الثدي في ويسكونسن ومجموعة بيانات MNIST الشهيرة، أن SQQNN تُظهر أداءً قويًا ودقيقًا، بلغت حتى 99% في بعض الحالات.

تفتح هذه النتائج الطريق للتوسيع العملي لتقنية SQQNN على الأجهزة الكمومية القابلة للاستخدام القريب، مما يجعلها تصنف كنموذج مثالي للتطبيقات المستقبلية.