مصنف بشبكة عصبية كمية في Qiskit Machine Learning
تدريب مصنف كمي-كلاسيكي صغير على بيانات مصطنعة.
الهدف: تحسين معاملات دائرة كمية بالتدرج.
import pennylane as qml
from pennylane import numpy as np
dev = qml.device("default.qubit", wires=2)
@qml.qnode(dev)
def circuit(w):
qml.RX(w[0], wires=0); qml.RY(w[1], wires=1)
qml.CNOT(wires=[0, 1])
return qml.expval(qml.PauliZ(1))
w = np.array([0.1, 0.2], requires_grad=True)
opt = qml.GradientDescentOptimizer(stepsize=0.4)
print(f"قبل: {circuit(w):.4f} | التدرج: {np.round(qml.grad(circuit)(w), 4)}")
for _ in range(40):
w = opt.step(circuit, w)
print(f"بعد 40 خطوة: {circuit(w):.4f}")
نعرّف عقدة كمية (QNode) على محاكي default.qubit، ونحسب قيمة توقع PauliZ. يحسب PennyLane التدرج بقاعدة إزاحة المعامل، ونستخدم محسّناً لتقليل قيمة التوقع نحو -1.
قبل: 0.9752 | التدرج: [-0.0978 -0.1977] بعد 40 خطوة: -1.0000
نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — pennylane 0.45.1, python 3.13.18
تدريب مصنف كمي-كلاسيكي صغير على بيانات مصطنعة.
الأقسام
لا يوجد قسم بهذا الاسم. اضغط «بحث» للبحث في محتوى الموقع كله.
المفضلة
نتائجي وشهاداتي
تقدّمي في الأكاديميةنتائج اختباراتيتقدّم الأطفالشهادات الأكاديميةشهادات الاختباراتابدأ أي درس أو اختبار وسيظهر هنا لتعود إليه بسرعة.
الإعدادات
أنا المساعد الذكي لأطر ومكتبات الذكاء الاصطناعي. صف مشروعك أو اسألني عن مكتبة أو مقارنة أو مثال برمجي، وسأجيبك من قاعدة بيانات الموسوعة مع الروابط والمصادر.
يجيب من قاعدة بيانات الموسوعة فقط، دون نموذج لغوي ودون إرسال سؤالك إلى أي جهة خارجية.
قد يخطئ المساعد أحياناً، فراجع المصادر المرفقة.