प्रौद्योगिकी 'एआई' अब हर तकनीक एक मास्टर के रूप में पहचाने जा रही है, क्वांटम कंप्यूटिंग क्षेत्र में भी शोधकर्ताओं ने एक घटना विकसित की है। इंस्टीट्यूट ऑफ साइंटिफिक एंड इंडस्ट्रियल रिसर्च (SANKEN) के नेतृत्व में ओसाका विश्वविद्यालय के शोधकर्ताओं ने बाहरी शोर की उपस्थिति में क्वांटम बिट्स के आउटपुट साम्राज्य की सही भविष्यवाणी करने के लिए एक गहरे तंत्रिका नेटवर्क को उन्नत किया। टीम की नई पद्धति क्वांटम कंप्यूटर सिस्टम के लिए पहचान अपनाने का मार्ग प्रशस्त करती है।
SANKEN शोधकर्ताओं ने बड़े पैमाने पर सटीकता में सुधार किया है, जबकि क्वांटम डॉट्स पर इलेक्ट्रॉनों के स्पिन राज्यों को मापने के लिए सिस्टम मास्टरिंग क्लास का उपयोग किया जाता है, जो अतिरिक्त मजबूत और व्यावहारिक क्वांटम कंप्यूटिंग का मार्ग प्रशस्त कर सकता है। SANKEN के शोधकर्ताओं ने क्वांटम डॉट्स पर इलेक्ट्रॉनों के स्पिन अभिविन्यास की सहायता से उत्पन्न सिग्नल को समझने के लिए एक गहरे तंत्रिका नेटवर्क के रूप में संदर्भित तकनीक का ज्ञान प्राप्त करने वाली प्रणाली का उपयोग किया है। सह-लेखक ताकाफुमी फुजिता बताते हैं, "हमने मुख्य रूप से एक गहरे तंत्रिका नेटवर्क पर आधारित एक क्लासिफायरियर बनाया, जो इनपुट अलर्ट के शोर होने पर भी एक क्वैबिट के राष्ट्र को सही ढंग से डिग्री देता है।"
प्रणाली का विकास
शोधकर्ताओं ने इन संकेतों और शोर के बीच भेदभाव करने के लिए मशीन को डिवाइस का ज्ञान प्राप्त करना सिखाया 8 हैं। उन्होंने अपने गहन तंत्रिका समुदाय की समय संग्रह जानकारी प्रदर्शित करने के लिए महत्वपूर्ण संकेत क्षमताओं और एक आवर्तक तंत्रिका नेटवर्क में आने के लिए एक दृढ़ तंत्रिका नेटवर्क को नियोजित किया है।
"हमारे दृष्टिकोण ने भारी हस्तक्षेप का जवाब देने के तरीके को सुव्यवस्थित किया है, जो परिदृश्य के आधार पर भिन्न होता है," वरिष्ठ वैज्ञानिक अकीरा ओइवा बताते हैं। चालक दल ने पहले उत्पन्न शोर के उपयोग की सहायता से क्लासिफायर की मजबूती का मूल्यांकन किया और प्रवाह के साथ जाना। मशीन तब क्वांटम डॉट्स की एक सरणी से वास्तविक तथ्यों पर शिक्षित हो गई, जो 95% से अधिक सटीकता मूल्य पूरा कर रही थी। निष्कर्ष नियति क्वांटम कंप्यूटरों में बड़े पैमाने पर qubit सारणियों के उच्च-स्थिरता माप के लिए मार्ग प्रशस्त करते हैं।
संभावित क्वांटम अनुप्रयोग
क्वांटम मशीन लर्निंग (क्यूएमएल), क्वांटम सिमुलेशन (क्यूएस), और क्वांटम-अधिक उपयुक्त अनुकूलन (क्यूईओ) निकट-समय अवधि के उपकरणों के लिए अधिकतम क्षमता वाले कार्यक्रमों में से तीन हैं।
कुछ सिस्टम लर्निंग कर्तव्यों को उन्नत क्वांटम-अधिक एल्गोरिदम के उपयोग से तेजी से बनाया जा सकता है। क्वांटम-अधिक वांछनीय एल्गोरिदम के उल्लेखनीय बहुमत को दोष-सहिष्णु क्वांटम कंप्यूटिंग के लिए डिज़ाइन किया गया था। हालाँकि, क्वांटम गैजेट्स के संचालन के अंदर अनिश्चितता के बड़े चरण तेजी से हो सकते हैं क्योंकि हो सकता है कि उन्हें गलतियों को ठीक न किया जाए। इसके कारण, पूर्व-दोष-सहिष्णुता शोर डिग्री वाले क्वांटम डिवाइस वाणिज्यिक कार्यक्रमों के लिए उपयुक्त हैं या नहीं, यह विषय अब सवालों के घेरे में है।
निष्कर्ष
जैसा कि पहले संकेत दिया गया था, क्वांटम कंप्यूटिंग नैदानिक समस्याओं के समाधान में सहायता कर सकती है। हालाँकि, क्वांटम सिस्टम लर्निंग में कई समस्याओं को हार्डवेयर और सॉफ्टवेयर प्रोग्राम दोनों पक्षों पर हल किया जाना चाहिए। शुरू करने के लिए, इस पेपर में चर्चा किए गए क्वांटम एल्गोरिदम के फायदे हासिल करने के लिए, क्वांटम हार्डवेयर संभव होना चाहिए। दूसरा, QML का अर्थ है क्वांटम यांत्रिक रूप में शास्त्रीय जानकारी को एन्कोड करने के लिए इंटरफ़ेस उपकरणों का कार्यान्वयन करना हैं। ये हार्डवेयर समस्याएं मामूली नहीं हैं और इन्हें दूर किया जाना चाहिए। तीसरा, क्यूएमएल रणनीतियों को पूरी तरह से पहचानने के लिए, क्वांटम एल्गोरिदम के सॉफ़्टवेयर की बाधाओं को हल किया जाना चाहिए।
टिप्पण्या
टिप्पणी पोस्ट करा