أخبار ar.wedoany.com، نشرت شركة IQM لأجهزة الكمبيوتر الكمومية فائقة التوصيل (IQM Quantum Computers، رمز ناسداك: IQMX) بالتعاون مع شركة السكك الحديدية الألمانية (Deutsche Bahn) دراسة بحثية مشتركة، عرضت فيها نتائج تنفيذ خوارزمية تحسين هجينة كمومية-تقليدية على بيانات تشغيلية حقيقية للسكك الحديدية. نُفذت الدراسة من البداية إلى النهاية على معالج IQM الكمومي "إميرالد" (Emerald)، حيث تناولت حل مشكلة تخطيط العربات الدارجة — أي تخصيص وحدات القطارات المادية للرحلات المجدولة، مع تقليل التكاليف التشغيلية إلى أدنى حد والالتزام الصارم بقيود الصيانة.
قيّم الطرفان مجموعة بيانات تشغيلية حقيقية مقدمة من شركة DB Systel، الذراع التقني للسكك الحديدية الألمانية، وتضم 190 رحلة مجدولة ضمن نافذة تخطيط تمتد ليومين، وتغطي خمس مدن ألمانية رئيسية هي كولونيا وميونيخ وبرلين وفرانكفورت وهامبورغ. ولتوافق مشكلة الجدولة مع التنفيذ الكمومي، قامت IQM بتحويل القيود إلى مسألة المجموعة المستقلة ذات الوزن الأقصى (Maximum-Weight Independent Set, MWIS) على رسم بياني للتعارضات: حيث تمثل عُقد الرسم البياني حلقات دوران مغلقة ومجدية للقطارات، وتستوفي كل حلقة شرط التوقف الإلزامي للصيانة لمدة ساعتين في هامبورغ وحدًا أقصى للمسافة يبلغ 4000 كيلومتر؛ أما الحواف فتربط بين الحلقات غير المتوافقة التي تخدم نفس الرحلة المجدولة.
يحتوي رسم MWIS البياني الناتج عن التوليد الكامل للحلقات على حوالي 98,500 حلقة دوران مجدية، وهو ما يجعل فضاء البحث هذا أكبر من أن تتعامل معه المعالجات الكمومية الحالية. صمم الباحثون إطار عمل كموميًا قائمًا على مبدأ "فرق تسد": حيث تقوم حلقة خارجية تقليدية باستخراج رسوم بيانية فرعية قابلة للإدارة (مثل 20 عقدة) بشكل متكرر، مرتبة حسب كثافة رحلات نقل الركاب؛ وينفذ الروتين الفرعي الكمومي خوارزمية التحسين التقريبي الكمومي (Quantum Approximate Optimization Algorithm, QAOA) بعمق p=1 لاختيار حل جزئي؛ وتقوم مرحلة معالجة لاحقة تقليدية بالتقليم لحل التعارضات في الاختيار، والتوصل إلى مجموعة مستقلة صالحة قبل تحديث الرسم البياني العام. في كل جولة تكرارية، تُزال حلقات القطارات المختارة، وتنتقل الرحلات التي لم تُخدم بعد إلى الجولة التالية لمواصلة المعالجة.
أكدت التجارب ثلاث نتائج جوهرية. أولاً، يمكن تنفيذ الإطار الهجين من البداية إلى النهاية على الأجهزة الكمومية الحالية، مما يولّد حلول جدولة عالية الجودة وقابلة للتطبيق لمجموعات بيانات مؤسسية حقيقية، دون الحاجة إلى معالجات كمومية متسامحة مع الأخطاء.
ثانيًا، يُظهر الأداء اتجاه توسع قابل للتنبؤ مع زيادة حجم الرسم البياني الفرعي. وباستخدام حلّال تقليدي دقيق كمعيار مرجعي، أظهر الاثنان علاقة ذات دلالة إحصائية (P=1.04×10⁻⁹): فكلما زاد حجم الرسم البياني الفرعي، زادت الكيلومترات الفارغة الموفرة مباشرةً (مسافة الإنتاج غير المرتبطة بنقل الركاب) بفضل الإطار الهجين.
ثالثًا، يمكن الاستفادة تلقائيًا من التحسينات في الأجهزة. فعندما يتوسع المعالج الكمومي في عدد الكيوبتات والترابط ودقة البوابات المنطقية ويصبح قادرًا على معالجة رسوم بيانية فرعية أكبر، يؤدي ذلك إلى نتائج جدولة أفضل دون الحاجة إلى إعادة تصميم هيكلية للخوارزمية الأساسية.
في وقت نشر هذه الدراسة، كانت IQM قد أدرجت أسهمها في بورصة ناسداك للسوق العالمية المختارة (Nasdaq Global Select Market) وبورصة ناسداك هلسنكي (Nasdaq Helsinki) في يوليو 2026، برمز تداول IQMX. وأشارت المؤسستان إلى أن الدراسة الحالية تركز على التخطيط المسبق الحتمي، وأن بنية "فرق تسد" يمكن أن تكون قابلة للتطبيق مستقبلًا على إدارة الاضطرابات في الوقت الفعلي، مما يمكّن مشغلي السكك الحديدية من إعادة توزيع العربات الدارجة ديناميكيًا أثناء التأخيرات غير المتوقعة في الخدمة.
تم نشر النسخة الأولية من الورقة البحثية ذات الصلة على منصة arXiv، كما أصدرت IQM بالتزامن مع ذلك ورقة بيضاء تقنية ودراسة حالة تقنية شاملة.
