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 الزمنيةمتحف 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
مشروع بحثيمتوسطنموذج بحثي أوّلي

التحسين الكمّي بـ QAOA

Quantum Optimization

حل Max-Cut على رسم من 6 عقد بـ QAOA بأعماق 1 و2 و3، ومقارنة نسبة التقريب واحتمال القطع الأمثل بالحل الشامل.

مشروع تعليمي بحثي على بيانات صغيرة ومحاكاة كمّية: النتائج تقيس سلوك النموذج في هذا الإعداد فقط، ولا تثبت ميزة كمّية.

الدفتر وGoogle Colab

12-quantum-optimization-qaoa.ipynb — نُفّذ الدفتر كاملاً دون أخطاء (2026-11-20 08:14 UTC، 44 ث على CPU)

لم يُنشر الدفتر بعد في مستودع GitHub عام، لذلك لا نضع رابط Colab مباشراً. نزّل الدفتر ثم افتحه من Colab عبر «File ← Upload notebook».

أقسام الدفتر الاثنا عشر
  1. عنوان المشروع
  2. شرح المشكلة
  3. تثبيت المكتبات
  4. استيراد المكتبات
  5. تحميل البيانات
  6. المعالجة المسبقة
  7. بناء النموذج الكمّي
  8. التدريب
  9. التقييم
  10. الرسوم البيانية
  11. النتائج
  12. المراجع

يعمل الدفتر على CPU دون GPU، ويثبّت الإصدارات التي اختُبر بها في خليته الأولى.

المشكلة البحثية

كيف يتحسن أداء QAOA مع العمق p؟ وما الفرق بين القيمة المتوقعة واحتمال الحصول على الحل الأمثل؟

الأهداف

  • صياغة Max-Cut هاميلتونياً.
  • بناء دائرة QAOA.
  • تحسين متعدد البدايات.
  • حساب نسبة التقريب ومقارنة الحل الشامل.
البياناترسم بياني من 6 عقد و9 أضلاع (معرّف في الدفتر) — مولَّدة برمجياً داخل الدفتر (scikit-learn أو NumPy) لا قيود
البنية$|+\rangle^{\otimes6}$ ← [$e^{-i\gamma_kH_C}$ (IsingZZ) ← $e^{-i\beta_kH_M}$ (RX)] × p ← $\langle H_C\rangle$ / probs
الأدواتPennyLane 0.45.1 · NumPy · Matplotlib
مقاييس التقييمApproximation ratio · P(optimal cut) · Most likely bitstring · Optimisation time

منهجية التنفيذ

  1. تعريف الرسم.
  2. الحل الشامل.
  3. بناء H_C ودائرة QAOA.
  4. تحسين لكل p بخمس بدايات.
  5. حساب المقاييس.
  6. رسم القطع الأرجح.

التجربة التفاعلية المرتبطة

المراجع

  1. Edward Farhi; Jeffrey Goldstone; Sam Gutmann (2014). A Quantum Approximate Optimization Algorithm. arXiv:1411.4028 doi:10.48550/arXiv.1411.4028
  2. Michel X. Goemans; David P. Williamson (1995). Improved approximation algorithms for maximum cut and satisfiability problems using semidefinite programming. Journal of the ACM 42(6):1115–1145 doi:10.1145/227683.227684
  3. Andrew Lucas (2014). Ising formulations of many NP problems. Frontiers in Physics 2:5 doi:10.3389/fphy.2014.00005