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
مثال برمجيمتقدمQiskit

VQE لنموذج إيزنغ العرضي بكيوبتين

VQE for a Two-Qubit Transverse-Field Ising Model

تقدير الطاقة الدنيا للهاملتوني $H=-Z_1Z_0-0.5(X_1+X_0)$ بدائرة n_local وCOBYLA وStatevectorEstimator؛ النتيجة $-\sqrt2$ مطابقة للقيمة الدقيقة.

VQE (Variational Quantum Eigensolverمحلّل القيم الذاتية التبايني (VQE): VQE خوارزمية هجينة كمّية–كلاسيكية تقرّب أدنى طاقة لهاملتونيان بتقليل ⟨ψ(θ)Hψ(θ)⟩ على دارة معاملية؛ وهي استدلالية دون ضمان عام للتفوق.) يصغّر $\langle\psi(\theta)|H|\psi(\theta)\rangle$ على دائرة معاملية؛ ومبدأ التغاير يضمن أن القيمة لا تقل عن الطاقة الدنيا. الدائرة n_local(2, "ry", "cx", reps=2) فيها 6 معاملات. القيمة الدقيقة لموقعين $-\sqrt{J^2+4h^2}=-\sqrt2$. في الأنظمة الكبيرة لا تُعرف القيمة الدقيقة، وقد يعلق المحسّن أو تتلاشى التدرجات.

المتطلبات: pip install qiskit scipy numpy

الشيفرة

Qiskit
import numpy as np
from scipy.optimize import minimize
from qiskit.circuit.library import n_local
from qiskit.quantum_info import SparsePauliOp
from qiskit.primitives import StatevectorEstimator

H = SparsePauliOp.from_list([("ZZ", -1.0), ("XI", -0.5), ("IX", -0.5)])
exact = np.linalg.eigvalsh(H.to_matrix()).min()

ansatz = n_local(2, "ry", "cx", entanglement="linear", reps=2)
estimator = StatevectorEstimator()


def energy(x):
    return float(estimator.run([(ansatz, H, x)]).result()[0].data.evs)


x0 = np.full(ansatz.num_parameters, 0.1)
res = minimize(energy, x0, method="COBYLA", options={"maxiter": 300})
print("parameters:", ansatz.num_parameters)
print("VQE energy  :", round(res.fun, 6))
print("exact energy:", round(float(exact), 6), "= -sqrt(2):", round(-np.sqrt(2), 6))

شرح الشيفرة سطراً بسطر

السطرالشرح
1-5الاستيراد: numpy وscipy والدائرة المعاملية وSparsePauliOp والمقدِّر.
7الهاملتوني بثلاثة حدود باولي.
8الطاقة الدنيا الدقيقة بالتقطير القطري.
10دائرة RY مع CNOT خطي، تكراران.
11المقدِّر.
14-15دالة الطاقة: قيمة التوقع لمعاملات x.
18نقطة بداية ثابتة.
19التصغير بـ COBYLA.
20-22طباعة عدد المعاملات والطاقتين.

المخرجات (من تشغيل فعلي)

parameters: 6
VQE energy  : -1.414214
exact energy: -1.414214 = -sqrt(2): -1.414214

نُفّذ بـ Python 3.13.18 في 2026-11-20 08:14 UTC.

الناتج حتمي (نقطة بداية ثابتة وحساب دقيق).

المراجع

  1. Alberto Peruzzo et al. (2014). A variational eigenvalue solver on a photonic quantum processor. Nature Communications 5:4213 doi:10.1038/ncomms5213
  2. M. Cerezo et al. (2021). Variational quantum algorithms. Nature Reviews Physics 3:625–644 doi:10.1038/s42254-021-00348-9
  3. IBM Quantum (2025). Qiskit SDK API documentation. IBM Quantum Documentation quantum.cloud.ibm.com