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
موضوعمبتدئمفهوم راسخ

ترميز الزاوية

Angle Encoding

ترميز الزاوية (Angle Encodingترميز الزاوية: ترميز الزاوية (Angle Encoding) يضع كل سمة حقيقية زاويةً لدوران أحادي الكيوبت، مثل RY(xᵢ)، فتنتج حالة جداء منفصلة (Product State)، عمقها ثابت، وتحتاج كيوبتاً لكل سمة.) يضع كل سمة حقيقية زاويةً لدوران أحادي الكيوبت، مثل RY(xᵢ)، فتنتج حالة جداء منفصلة (Product State)، عمقها ثابت، وتحتاج كيوبتاً لكل سمة.

$|\phi(x)\rangle=\bigotimes_{i=1}^{d}R_Y(x_i)|0\rangle=\bigotimes_i\big(\cos\tfrac{x_i}{2}|0\rangle+\sin\tfrac{x_i}{2}|1\rangle\big)$.

يسهل تنفيذه على العتاد. نحجّم السمات عادةً إلى $[0,\pi]$، أو $[-\pi,\pi]$ مع $R_Y$، لأن الدوران دوري. والنواة الناتجة حاصل ضرب حدود جيب تمام:

$K(x,x')=\prod_i\cos^2\!\big(\tfrac{x_i-x'_i}{2}\big)$

هذه النواة يمكن حسابها كلاسيكياً بسهولة، فلا يُتوقع منها أي ميزة كمّية. لكنها نقطة بداية جيدة، وتصبح أغنى عند إضافة طبقات متشابكة بعدها أو عند إعادة رفع البيانات.

x = (x₀, x₁, x₂)|0⟩RY(x0)|0⟩RY(x1)|0⟩RY(x2)|φ(x)⟩
ترميز متجه بيانات x في زوايا دوران الكيوبتات

الصياغة الرياضية

$$|\phi(x)\rangle=\bigotimes_{i}R_Y(x_i)|0\rangle$$
$$K(x,x')=\prod_i\cos^2\!\Big(\frac{x_i-x'_i}{2}\Big)$$

مثال محلول

أدخل (π/2, π) في «مختبر الترميز» بطريقة الزاوية: الكيوبت 0 في |+⟩ والكيوبت 1 في |1⟩، فالاحتمالات 0.5 لكل من |10⟩ و|11⟩.

جرّب بنفسك: مختبر ترميز البيانات

جارٍ تحميل المحاكي…

صفحة التجربة كاملة

اختبر فهمك

يحتاج الاختبار إلى JavaScript.

المراجع

  1. Maria Schuld; Francesco Petruccione (2021). Machine Learning with Quantum Computers. Springer (Quantum Science and Technology) doi:10.1007/978-3-030-83098-4
  2. Maria Schuld (2021). Supervised quantum machine learning models are kernel methods. arXiv:2101.11020 arxiv.org