كل المقالات
أبحاث ودراسات Administrator ٣٠ أكتوبر ٢٠٢٦ 2 دقائق قراءة 157

البحث بالذكاء الاصطناعي وفحص Lean يساعدان في بناء عائلات جديدة من الشفرات الكمومية

تجمع ورقة أولية جديدة بين تطوير البرامج بتوجيه النماذج اللغوية وفحوص الشفرات الدقيقة وعمل الباحثين على البرهان لتطوير شفرات تصحيح الأخطاء الكمومية المدعومة بالتشابك.

من بحث الذكاء الاصطناعي إلى نتيجة في الشفرات الكمومية يمكن فحصها

تصف ورقة أولية أُرسلت إلى arXiv في 30 أكتوبر سير عمل يضع الباحث في الحلقة لاكتشاف شفرات تصحيح أخطاء كمومية مدعومة بالتشابك، وتعرف اختصاراً بـ EAQECCs. تستخدم هذه الشفرات تشابكاً مشتركاً لحماية المعلومات الكمومية المرسلة عبر قناة مليئة بالضوضاء. ولا يتمثل الادعاء الأساسي في أن نموذجاً لغوياً برهن مبرهنة باستقلال؛ فقد أنتج بحث برمجي موجّه بالذكاء الاصطناعي تراكيب محدودة مرشحة، ثم عمم الباحثون بنيتها وقدموا حججاً رياضية خضعت لفحوص منفصلة.

أنواع متعددة من الأدلة، ولكل منها وظيفة مختلفة

يستخدم المؤلفون AlphaEvolve لمراجعة برامج تقترح مصفوفات تولّد الشفرات. ويقيّم فاحص دقيق المرشحات الناتجة، فيما تعيد حسابات مستقلة حساب معلماتها. ثم يفحص الباحثون الأنماط في الحالات المحدودة الناجحة ويشتقون عائلة يفترض أن تعمل لعدد لا نهائي من المعلمات المسموح بها. وتذكر الورقة أن صياغة في Lean تفحص الشهادة الجبرية لهذه العائلة، بينما تدعم شهادات DRAT المفحوصة ادعاءات محددة بعدم الوجود.

والفصل بين هذه المهام هو الجزء اللافت في التقرير. ففحص Lean الصوري يدعم العبارة الجبرية المرمزة؛ ويختبر الحساب الدقيق حالات محددة من الشفرة؛ وتعالج شهادة عدم القابلية للإشباع المفحوصة سؤال استحالة محدداً في ترميز دقيق. ولا يثبت أي من هذه الفحوص بمفرده صحة كل قرار في النمذجة أو مقارنة تاريخية أو تفسير غير صوري. لذلك فإن سجل البرامج والبذور والمصفوفات والشهادات في الورقة مهم بقدر أهمية النتيجة: فهو يوفر للباحثين الآخرين مادة يمكنهم فحصها وإعادة تشغيلها.

ما الذي يورده المؤلفون؟

تفيد المخطوطة بوجود 115 سجلاً لشفرات جرى التحقق منها، وعشر نتائج لعدم الوجود مع براهين DRAT مفحوصة، وعائلة عامة تُفحص شهادتها الأساسية في Lean. كما تذكر أن التراكيب تسد 54 فجوة في جداول EAQECC التي استخدمتها الدراسة. وفي مقارنة مضبوطة بين استراتيجيات توليد البرامج، يورد المؤلفون معدلات نجاح أعلى على اختبارات محجوبة للبرامج التكرارية المختارة بالتحقق مقارنة ببرامج مولدة بصورة مستقلة عند طولين أكبر للشفرة.

هذه أرقام يوردها المؤلفون في ورقة أولية غير محكمة. وهي تعتمد على الأهداف والجداول والفاحص والترميز الصوري وبروتوكول التجربة الذي اختير؛ ولم تُعِد MathsAI تشغيل عمليات البحث أو تدقيق التحسينات الرياضية المزعومة بصورة مستقلة.

لماذا يقدم هذا نموذجاً مفيداً للذكاء الاصطناعي الرياضي؟

يوضح العمل حدوداً مثمرة للرياضيات بمساعدة الذكاء الاصطناعي. يمكن للبحث أن يولد مرشحات كثيرة، لكن النتيجة المتينة تحتاج سلسلة تبدأ من مرشح ثم تقييم دقيق وحجة عامة وأثر قابل للفحص باستقلال. وفي الاتصالات الكمومية قد تكون شفرات تصحيح الأخطاء الأقوى مهمة لنقل موثوق. أما الدرس الأعم للذكاء الاصطناعي الرياضي فهو أبسط: يجب إبقاء عملية البحث والأدلة والتزامات البرهان ظاهرة، بدلاً من اعتبار الإجابة المولدة نقطة النهاية.

المراجع