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

اللقطات وأخذ العينات

Shots and Sampling

اللقطة (Shot) تنفيذ واحد للدارة مع قياس؛ وتكرار $N$ لقطة يعطي تقديرًا للاحتمالات والقيم المتوقعة بخطأ إحصائي من رتبة $1/\sqrt N$.

لأن القياس يعطي نتيجة واحدة عشوائية، تُنفَّذ الدارة نفسها مرات عديدة تسمى لقطات (Shots)، وتُجمع النتائج في عدّادات (Counts). تقدير الاحتمال $\hat p=k/N$ له خطأ معياري $\sqrt{p(1-p)/N}$، وتقدير قيمة متوقعة لمرصود قيمه $\pm1$ له خطأ $\sqrt{(1-\langle O\rangle^2)/N}$. فلتحسين الدقة عشر مرات نحتاج مئة ضعف اللقطات.

في المحاكاة، تُحسب الاحتمالات بدقة ثم تُسحب العينات بمولّد أعداد عشوائية. تثبيت البذرة (Seed) يجعل النتائج قابلة للتكرار: seed= في StatevectorSampler و seed_simulator= في AerSimulator، والمختبر يستخدم مولّدًا مزروعًا للغرض نفسه. أما على جهاز حقيقي فالعشوائية فيزيائية، وتضاف إليها أخطاء القراءة والضجيج.

كلفة اللقطات محور أساسي في الخوارزميات التغايرية: كل تقييم لدالة التكلفة وكل مكوّن للتدرج يحتاج لقطات، والهضاب الجرداء وتركّز النوى تعني أن الفروق المطلوب رصدها صغيرة جدًا فتحتاج لقطات كثيرة جدًا.

ويتيح المختبر تغيير عدد اللقطات والبذرة لمشاهدة تقارب التكرارات من الاحتمالات النظرية.

q0q1H(|00⟩+|11⟩)/√2
تحضير حالة بل: H على الكيوبت الأول ثم CNOT

الصياغة الرياضية

$$\hat p=\frac{k}{N},\qquad \mathrm{SE}(\hat p)=\sqrt{\frac{p(1-p)}{N}}$$

مثال محلول

هذه الدارة (Qiskit 2.x) تقيس $H|0\rangle$ بـ 1000 لقطة وبذرة 42:

```python
from qiskit import QuantumCircuit
from qiskit.primitives import StatevectorSampler
qc = QuantumCircuit(1)
qc.h(0)
qc.measure_all()
result = StatevectorSampler(seed=42).run([qc], shots=1000).result()
print(result[0].data.meas.get_counts())
```

المخرج الفعلي بهذه البذرة: {'1': 497, '0': 503}. النسبة $0.503$ ضمن الخطأ المعياري المتوقع $\sqrt{0.25/1000}\approx0.016$ من القيمة النظرية $0.5$. تغيير البذرة يغيّر الأعداد.

جرّب بنفسك: حالات بِل الأربع

جارٍ تحميل المحاكي…

صفحة التجربة كاملة

اختبر فهمك

يحتاج الاختبار إلى JavaScript.

موضوعات مرتبطة

المراجع

  1. IBM Quantum (2025). Qiskit SDK API documentation. IBM Quantum Documentation quantum.cloud.ibm.com
  2. Qiskit contributors (2025). Qiskit Aer documentation. GitHub Pages qiskit.github.io
  3. Michael A. Nielsen; Isaac L. Chuang (2010). Quantum Computation and Quantum Information (10th Anniversary Edition). Cambridge University Press doi:10.1017/CBO9780511976667المرجع الأساسي للحوسبة الكمّية؛ سجل Crossref يذكر 2012 لنسخة Cambridge Core الإلكترونية.