أخبار ar.wedoany.com، أصدرت شركة ألستيت للتأمين (Allstate) وشركة آي بي إم (IBM) لتطوير التكنولوجيا تقريرًا بحثيًا مشتركًا يفيد بأن الحوسبة الكمومية قادرة على تحسين محافظ الاستثمار في المخاطر وحل مشكلات حسابية عالية الصعوبة في مجال الاكتتاب. هذا البحث، الذي نُشر في منتصف عام 2026 كمسودة أولية، يركز على مشكلة الحقيبة المقيدة بالفرصة (Chance-Constrained Knapsack Problem) - وهي إحدى مهام التحسين التوافقي المعروفة بصعوبة حلها في علوم الكمبيوتر. تتوافق أهداف هذه المشكلة التشغيلية مع المهمة الأساسية للاكتتاب التأميني: تحديد مجموعة وثائق التأمين الأكثر ربحية لإدراجها في محفظة المؤسسة، مع ضمان عدم تجاوز الحد الأقصى المسموح به من المخاطر وخسائر السقف. مشكلة الحقيبة القياسية صعبة الحل على نطاق واسع بالنسبة للأنظمة التقليدية، وعندما يمثل متغير وثيقة التأمين مخاطر فعلية غير متوقعة وشديدة الارتباط، فإن تعقيد المشكلة ينمو بشكل أسي.
على عكس الفئات التي يمكن الاكتتاب فيها بشكل مستقل مثل التأمين على السيارات - حيث يكون لحادث سائق فردي تأثير ضئيل على احتمالات مجمع المخاطر الإجمالي - فإن التأمين على المنازل يخضع لمخاطر بيئية شديدة الترابط. الكوارث الطبيعية واسعة النطاق، مثل الأعاصير المحلية، والحرائق البرية الإقليمية، أو الأعاصير الكبيرة، غالبًا ما تضرب منطقة جغرافية بأكملها في وقت واحد، مما يتسبب في مطالبات ضخمة قد تؤثر على آلاف وثائق التأمين المتجاورة في آن واحد. لتقييم مخاطر الذيل المتطرفة هذه، تعتمد فرق التأمين حاليًا على محاكاة تقليدية مكثفة، تتطلب تنفيذ ما يصل إلى مائة ألف سيناريو لرسم خريطة الخسائر المستقبلية المحتملة. ومع ذلك، عند حساب معايير الكوارث النادرة التي تغطي مناطق جغرافية شاسعة، فإن هذا التقريب التجريبي يعاني من درجة عالية من عدم اليقين، مما يؤدي إلى عدم كفاءة هيكلية في أساليب البرمجة الرياضية المختلطة الأعداد الصحيحة التقليدية ونمذجة أسوأ السيناريوهات.
للتغلب على هذه العقبة الحسابية، طور فريق البحث إطارًا هجينًا للتحسين الكمي-التقليدي يجمع بين الأجهزة الكمومية القائمة على البوابات المنطقية وطبقة معالجة لاحقة تقليدية تنبؤية. تعمل مرحلة الحوسبة الكمومية على تشغيل برنامج متغير (variational program) مبني حول دائرة خوارزمية التحسين التقريبي الكمومي (QAOA) الخاصة بمشكلة الحقيبة، والمصممة لتضمين القيود الاحتمالية للفرصة مباشرة في الحالة الكمومية. عند تشغيلها على معالج IBM Quantum Heron، ترسم هذه الدائرة فضاء معلمات غير محدب ومعقد لتوليد مجموعة أولية من سلاسل البتات المرشحة عالية الجودة، والتي تعطي الأولوية لقيمة الاكتتاب العالية مع الالتزام بمستوى المخاطر المستهدف.
نظرًا لأن الأجهزة الكمومية الحالية متوسطة الحجم تعمل تحت قيود الضوضاء الفيزيائية، يدمج الإطار مخطط استرداد تقليديًا مبتكرًا ذاتي الاتساق لتحسين العينات الكمومية الأولية. تقوم طبقة المعالجة اللاحقة التقليدية بتنظيف مجموعة سلاسل البتات المرشحة عن طريق إصلاح تلك التي تنتهك ميزانية المخاطر المحددة بشكل منهجي، وتعلم أي متغيرات وثائق التأمين تظهر بأعلى تردد في المحافظ الناجحة. يتم تغذية هذه المعرفة بشكل تكراري لتوجيه الجولة التالية من الحوسبة الكمومية، مما يشكل دورة تحسين إيجابية. للتغلب على مشكلة تدهور إشارة التعلم الشائعة في الدوائر المتغيرة مع زيادة حجم المشكلة، أدخل الفريق استراتيجية نقل معلمات قائمة على محاذاة القيود، حيث يتم تدريب الدائرة أولاً على مثيلات مشكلة أصغر، ثم يتم نقل معلمات التحسين المستفادة مباشرة إلى نطاقات بيانات أكبر.
تم اختبار هذا المنهج المشترك بدقة على معالج IBM Heron باستخدام أحجام مشاكل تتراوح بين 20 و150 عنصرًا، مع دوائر كمومية عميقة تحتوي على ما يصل إلى 177 طبقة و3443 بوابة فعالة. عند مقارنتها بخوارزميات الاستدلال التقريبية التقليدية القياسية (بما في ذلك التلدين المتوازي، والبحث المحظور، والتلدين المحاكي، والخوارزميات الجينية)، قدم سير العمل الكمي-التقليدي جودة حلول مماثلة، حيث طابق الإجابات التقليدية الدقيقة القابلة للإثبات للمشاكل التي تحتوي على ما يصل إلى 75 عنصرًا. على الرغم من أن مستويات الضوضاء الحالية للأجهزة تحد من نطاق التشغيل الفوري لهذا الإطار، إلا أن التجربة أظهرت قالبًا مؤسسيًا قابلًا للتوسع. مع انخفاض أخطاء البوابات الفيزيائية، سينتقل عبء المعالجة بسلاسة من طبقة التصحيح التقليدية إلى المعالج الكمومي، مما يرسي مسارًا واضحًا لتحقيق تفوق كمي فعلي في تطبيقات التمويل والاكتتاب عالية المخاطر.
المخطوطة الكاملة للمسودة الأولية التي تمت مراجعتها من قبل الأقران، والتي تصف بالتفصيل تصميم الدائرة المتغيرة وبروتوكول نقل المعلمات والاختبارات المعيارية العشوائية، متاحة على منصة arXiv. ملخص المنهج المؤسسي والتعليقات المؤسسية حول حالات استخدام وثائق التأمين ذات الصلة لا تزال متاحة عبر مدونة IBM Quantum Intelligence، ويمكن الحصول على الإعلانات الصناعية المشتركة من خلال تحديثات شبكة IBM Quantum.
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
