كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

Qiskit Machine Learning

وحدة تعلم آلي كمي مبنية على Qiskit: الشبكات العصبية الكمية والنوى الكمية ومصنفات QSVC وVQC وتكامل مع PyTorch.

نشطةمتقدمv0.9.1Apache-2.0التعلم الآلي الكمي

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمQiskit Machine Learning
الاسم الكاملQiskit Machine Learning
التصنيفالتعلم الآلي الكمي
الجهة المطورةمجتمع Qiskit (بدأته IBM)
سنة الإطلاقغير محدد
الموقع الرسميgithub.com/qiskit-community/qiskit-machine-learning
مستودع GitHubqiskit-community/qiskit-machine-learning
الوثائق الرسميةqiskit-community.github.io/qiskit-machine-learning
الحزمة على PyPIqiskit-machine-learning
الترخيصApache-2.0 (PyPI license)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار19 أغسطس 2026 (الإصدار 0.9.1)
لغة البرمجةPython
أنظمة التشغيلLinux، MacOS، Windows (كما تعلنها الحزمة على PyPI)
إصدار Python المطلوب>=3.10
مستوى الصعوبةمتقدم

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

توفر المكتبة شبكات عصبية كمية (SamplerQNN وEstimatorQNN) ونوى كمية (Quantum Kernels) ومصنفات متغيرة (VQC) ومصنف QSVC، مع موصّل TorchConnector لدمج الدائرة الكمية في نموذج PyTorch هجين.

تعمل على المحاكيات محلياً أو على عتاد IBM Quantum عبر خدمة السحابة. انتقلت إدارتها إلى مجتمع Qiskit.

متى تختارها؟ اخترها للتعلم الآلي الكمي داخل منظومة Qiskit وIBM.

الاستخدامات

الاستخدامات الرئيسية

  • مصنفات كمية متغيرة
  • نوى كمية مع SVM
  • نماذج هجينة كمية-تقليدية

المجالات العلمية

  • الحوسبة الكمية
  • البحث العلمي

أنواع المشاريع المناسبة

  • مصنف VQC لمجموعة بيانات صغيرة

تطبيقات بحثية

  • دراسة القدرة التعبيرية للدوائر المتغيرة

التعلم الآلي الكمي

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)جزئي أو عبر إضافةعبر محاكيات تدعم GPU مثل Qiskit Aer.
التوافق مع CUDAجزئي أو عبر إضافة
التدريب أو الحوسبة الموزعةغير مدعوم
الاشتقاق التلقائي (Autodiff)مدعومتدرجات الدوائر عبر قاعدة إزاحة المعامل وتكامل PyTorch.
نشر النماذج (Deployment)لا ينطبق
نماذج مدربة مسبقاًلا ينطبق
أنواع البيانات المدعومةدوائر كمية وبيانات صغيرة
التكامل مع مكتبات أخرىqiskit، PyTorch، Scikit-learn
المرونة (تقدير تحريري)متوسطة
الأداء (تقدير تحريري)محدودة بالمحاكاة
المجتمع (تقدير تحريري)متوسط
جودة التوثيق (تقدير تحريري)توثيق ودروس

التثبيت والتشغيل

Shell
pip install qiskit-machine-learning

التوافق: Python >=3.10 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

بحثيمصنف بشبكة عصبية كمية في Qiskit Machine Learningنُفّذ واختُبر

الهدف: تدريب مصنف كمي-كلاسيكي صغير على بيانات مصطنعة.

Python — example.py
import numpy as np
from qiskit import QuantumCircuit
from qiskit.circuit.library import real_amplitudes, zz_feature_map
from qiskit_machine_learning.algorithms import NeuralNetworkClassifier
from qiskit_machine_learning.neural_networks import EstimatorQNN
from qiskit_machine_learning.optimizers import COBYLA
from qiskit_machine_learning.utils import algorithm_globals

algorithm_globals.random_seed = 0
rng = np.random.default_rng(0)
X = rng.uniform(-1, 1, (40, 2)); y = np.where(X.sum(1) > 0, 1, -1)
fm, ansatz = zz_feature_map(2, reps=1), real_amplitudes(2, reps=2)
qc = QuantumCircuit(2); qc.compose(fm, inplace=True); qc.compose(ansatz, inplace=True)
qnn = EstimatorQNN(circuit=qc, input_params=fm.parameters, weight_params=ansatz.parameters)
clf = NeuralNetworkClassifier(qnn, optimizer=COBYLA(maxiter=120))
clf.fit(X[:30], y[:30])
print("عدد المعاملات القابلة للتدريب:", qnn.num_weights)
print(f"دقة التدريب: {clf.score(X[:30], y[:30]):.2f} | الاختبار: {clf.score(X[30:], y[30:]):.2f}")

شرح الكود

نستخدم ZZFeatureMap لترميز السمات في الحالة الكمية وRealAmplitudes كدائرة قابلة للتدريب، ونجمعهما في EstimatorQNN ثم في NeuralNetworkClassifier مع محسّن COBYLA. يجري الحساب على محاكٍ محلي؛ النتائج على بيانات بهذا الصغر لتوضيح الواجهة لا لإثبات أفضلية كمية.

المتطلبات

Shell
pip install qiskit-machine-learning qiskit

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

عدد المعاملات القابلة للتدريب: 6
دقة التدريب: 0.77 | الاختبار: 0.70

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — qiskit-machine-learning 0.9.1, qiskit 2.6.2, python 3.13.18

صفحة المثال

كل أمثلة Qiskit Machine Learning في مستكشف الأكواد

المزايا

  • تكامل مع منظومة Qiskit وعتاد IBM
  • موصل PyTorch

القيود

  • المحاكاة مكلفة مع زيادة الكيوبتات
  • الفائدة العملية الحالية بحثية أساساً

المراجع والتحقق

  • صفحة الحزمة على PyPI (مصدر الإصدار والترخيص وتاريخ الإصدار) تحقق مباشر

    https://pypi.org/project/qiskit-machine-learning/

    تاريخ التحقق: 21 نوفمبر 2026 — الإصدار المتحقق منه: 0.9.1 — المراجعة: فريق DLArabic

  • الموقع الرسمي رابط تعلنه الحزمة رسمياً على PyPI

    https://github.com/qiskit-community/qiskit-machine-learning

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

  • الوثائق الرسمية رابط تعلنه الحزمة رسمياً على PyPI

    https://qiskit-community.github.io/qiskit-machine-learning/

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

  • المستودع الرسمي رابط تعلنه الحزمة رسمياً على PyPI

    https://github.com/qiskit-community/qiskit-machine-learning

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
0.9.119 أغسطس 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً