أخبار ar.wedoany.com، في 5 يونيو 2026، أطلقت شركة Classiq، المطورة لهندسة البرمجيات الكمومية، بالتعاون مع الجامعة البابوية الكاثوليكية في تشيلي (Pontificia Universidad Católica de Chile, UC Chile) برنامجًا بحثيًا مدته 12 شهرًا يهدف إلى تطوير خوارزميات تعلم آلي هجينة (كمومية-تقليدية) لتحليل الصور الطبية الحيوية المتقدمة. يحمل المشروع، الممول من خلال مسابقة Avanza UC 2025، عنوان "تعزيز علم الأمراض عبر الحوسبة الكمومية"، ويؤسس أول تحالف لعلم الأمراض الحاسوبي في أمريكا اللاتينية.
يدمج المشروع منصة Classiq للتوليف التلقائي للدوائر مع البنية التحتية الهجينة CUDA-Q من NVIDIA، ويستفيد من مجموعات بيانات مختارة لعلم الأمراض النسيجي مقدمة من مؤسسات بحثية برازيلية، بما في ذلك مؤسسة أوزوالدو كروز (Fundação Oswaldo Cruz, FIOCRUZ) وجامعة باهيا الفيدرالية (Universidade Federal da Bahia, UFBA). يعالج خارطة الطريق للتصميم المشترك مشكلة الأبعاد العالية وتعقيد الميزات في صور الأنسجة الكاملة، والتي تشكل ضغطًا على بنى الرؤية الحاسوبية التقليدية في مهام التقسيم على مستوى البكسل. بدلاً من الاعتماد الكلي على الشبكات العصبية العميقة التقليدية، طور فريق البحث خط أنابيب هجينًا للتعلم الآلي الكمومي (Quantum Machine Learning, QML) محسنًا لأمراض الكلى، مستخدمًا بيئة النمذجة الوظيفية المجردة من Classiq لتوليف وتحسين طوبولوجيا الشبكات الكمومية المتخصصة تلقائيًا، متجاوزًا قيود البرمجة اليدوية على مستوى البوابات المنطقية.
يركز سير العمل المشترك لعلم الأمراض الحاسوبي على ثلاثة أهداف تحليلية سريرية. تقوم الشبكات العصبية التلافيفية الكمومية (Quantum Convolutional Neural Networks, QCNNs) بضبط الطبقات التلافيفية الكمومية لضغط السمات الهيكلية عالية الدقة، مما يحسن التقسيم التلقائي للكبيبات الكلوية في عينات الأنسجة المعقدة. تطبق المصنفات الكمومية المتغيرة (Variational Quantum Classifiers, VQCs) حالات منطقية كمومية متغيرة ذات معلمات لتنفيذ نماذج تصنيف متعددة الفئات لآفات الكلى. تستخدم طرق النواة الكمومية (Quantum Kernel Methods) فضاء الحالات الكمومية عالي الأبعاد لتنفيذ بحث عن الأنماط الدلالية، لعزل التشوهات التشخيصية الدقيقة في الشرائح النسيجية الكثيفة.
يتم تنفيذ حزمة البرامج المجمعة عبر بيئة تشغيل موحدة. تُجمّع الخوارزميات الهجينة باستخدام منصة NVIDIA CUDA-Q، مما يحقق توجيهًا منخفض الكمون للبيانات بين المعالجات المساعدة. يتيح هذا الإطار للفريق تشغيل محاكاة عالية الدقة للخوارزميات على البنية التحتية الفائقة للحوسبة بالذكاء الاصطناعي التقليدية من NVIDIA، ثم تنزيل الدوائر المحسّنة والجاهزة للأجهزة إلى وحدات المعالجة الكمومية (Quantum Processing Units, QPUs) الأيونية المحصورة من IonQ لإجراء اختبارات مرجعية فيزيائية.
تؤسس هذه الشراكة نقطة ارتكاز تشغيلية لتطبيقات الحوسبة المتقدمة في قطاع التكنولوجيا الطبية بأمريكا الجنوبية، وتتوافق مباشرة مع الاستراتيجية الوطنية لتقنيات الكم في تشيلي 2025-2035. يُشرف على المشروع الدكتور داردو غوينيتش من كلية الفيزياء بالجامعة البابوية الكاثوليكية في تشيلي – وهو أيضًا قائد مجموعة أبحاث QuDIT ومشروع بناء الحاسوب الكمومي العام التشيلي QuAntü – ويدعمه الدكتور دانيال أوزكاتيغي من جامعة سانتا كونسبسيون الكاثوليكية (Universidad Católica de la Santísima Concepción, UCSC). من خلال دمج طبقة الترميز المستقلة عن الأجهزة من Classiq في خطوط أنابيب الرعاية الصحية الإقليمية، يُنشئ هذا البرنامج إطارًا مُعتمدًا يجلب الميزة الكمومية الناشئة مباشرة إلى أدوات التشخيص الصحي العام النشطة.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
