Regression and Classification with Single-Qubit Quantum Neural Networks
यह शोध पत्र एक संसाधन-कुशल सिंगल-क्यूबिट क्वांटम न्यूरल नेटवर्क (SQQNN) प्रस्तुत करता है जो निकट-अवधि के क्वांटम उपकरणों पर रिग्रेशन और क्लासिफिकेशन दोनों कार्यों में तेज़, त्रुटि-रहित प्रदर्शन प्राप्त करने के लिए एक नवीन डेटा अपलोडिंग तकनीक और एक बहुपद रिग्रेशन-प्रेरित प्रशिक्षण पद्धति का उपयोग करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक कंप्यूटर को पैटर्न पहचानना सिखाने की कोशिश कर रहे हैं, जैसे किसी फोटो में बिल्ली को पहचानना या कल के मौसम का अनुमान लगाना। दशकों से, हमने "क्लासिकल" कंप्यूटरों का उपयोग किया है, जो बिट्स में सोचते हैं—छोटे स्विच जो या तो 0 होते हैं या 1। लेकिन अब एक नया खिलाड़ी आया है जिसे क्वांटम कंप्यूटिंग कहते हैं। साधारण स्विच के बजाय, क्वांटम कंप्यूटर "क्यूबिट्स" (qubits) का उपयोग करते हैं। एक क्यूबिट को केवल एक लाइट स्विच के रूप में नहीं, बल्कि एक घूमते हुए सिक्के के रूप में सोचें। जब वह घूम रहा होता है, तो वह केवल 'हेड्स' या 'टेल्स' नहीं होता; वह एक ही समय में दोनों का मिश्रण होता है। यह क्वांटम कंप्यूटरों को कई संभावनाओं को एक साथ खोजने की अनुमति देता है, जैसे कि एक-एक करके चाबियाँ आज़माने के बजाय एक साथ एक विशाल की-रिंग की हर चाबी को आज़माना।
बड़ा सवाल जो वैज्ञानिक पूछ रहे हैं वह यह है: क्या हम इन डगमगाते, घूमते हुए सिक्कों का उपयोग बेहतर "न्यूरल नेटवर्क" बनाने के लिए कर सकते हैं? न्यूरल नेटवर्क वह बुद्धिमान सॉफ्टवेयर है जो डेटा से सीखता है। आमतौर पर, ये नेटवर्क बहुत विशाल और शक्ति के भूखे होते हैं। लेकिन क्या होगा अगर हम केवल एक एकल, छोटे क्वांटम सिक्के का उपयोग करके एक सुपर-एफिशिएंट एआई बना सकें? यह "क्वांटम मशीन लर्निंग" का खेल का मैदान है, जहाँ क्वांटम भौतिकी के अजीब नियम एआई के पैटर्न-मैचिंग जादू से मिलते हैं। लक्ष्य ऐसे मॉडल बनाना है जो इतने छोटे और कुशल हों कि वे भविष्य की विशाल, पूर्ण मशीनों का इंतज़ार करने के बजाय, हमारे पास मौजूद वर्तमान नाजुक, शुरुआती चरण के क्वांटम कंप्यूटरों पर चल सकें।
यहाँ आता है सिंगल-क्यूबिट क्वांटम न्यूरल नेटवर्क (SQQNN), एक चतुर नया विचार जिसे शोधकर्ता लियांड्रो सी. सोउज़ा और उनकी टीम द्वारा प्रस्तावित किया गया है। उन्होंने एक सरल प्रश्न पूछा: क्या हमें सीखने के लिए एक विशाल, जटिल क्वांटम मशीन की आवश्यकता है, या क्या हम केवल एक छोटे से क्यूबिट से काम चला सकते हैं? उनका उत्तर एक जोरदार "हाँ, हम कर सकते हैं" है। उन्होंने एक ऐसा मॉडल बनाया जो एक एकल, सुपर-स्मार्ट क्वांटम न्यूरॉन की तरह कार्य करता है। क्यूबिट्स की एक विशाल सेना का उपयोग करने के बजाय, उनका सिस्टम केवल एक घूमते हुए सिक्के का उपयोग सूचना को प्रोसेस करने के लिए करता है।
यहाँ उनका जादू कैसे काम करता है। एक सामान्य कंप्यूटर में, एक "न्यूरॉन" नंबर लेता है, कुछ गणित करता है, और एक उत्तर देता है। SQQNN में, "न्यूरॉन" एक एकल क्यूबिट है। शोधकर्ता डेटा को इस क्यूबिट में डालकर उसे विशिष्ट दिशाओं में घुमाते हैं (जिसे वे रोटेशन गेट्स कहते हैं)। यह घूमते हुए सिक्के को यह बताने जैसा है, "अगर इनपुट गर्म है तो थोड़ा और घुमो, और अगर ठंडा है तो कम घुमो।" इस प्रक्रिया के बाद कि क्यूबिट को डेटा के आधार पर घुमाया और मोड़ा गया है, शोधकर्ता इसका मापन करते हैं। क्वांटम नियमों के कारण, परिणाम एक साधारण हाँ या ना नहीं है, बल्कि एक संभावना है—एक अनुमान जो एक तरफ अधिक झुका हुआ है। "घूमने के कोणों" (वेट्स) को समायोजित करके, नेटवर्क समय के साथ बेहतर अनुमान लगाना सीख जाता है।
टीम ने पाया कि यह छोटा, सिंगल-क्यूबिट सेटअप आश्चर्यजनक रूप से शक्तिशाली है। उन्होंने दो मुख्य प्रकार के कार्यों पर इसका परीक्षण किया: रिग्रेशन (एक संख्या का अनुमान लगाना, जैसे कि एक पावर प्लांट कितनी बिजली पैदा करेगा) और क्लासिफिकेशन (चीजों को समूहों में छाँटना, जैसे कि यह बताना कि ट्यूमर सौम्य है या घातक)।
संख्या-अनुमान लगाने वाले कार्यों के लिए, उन्होंने "ग्रेडिएंट डिसेंट" नामक एक मानक विधि का उपयोग किया। कल्पना कीजिए कि आप आँखों पर पट्टी बांधकर एक धुंधले पहाड़ से नीचे उतर रहे हैं। आप अपने पैरों के नीचे ज़मीन को महसूस करते हैं; यदि ढलान नीचे की ओर है, तो आप उस दिशा में कदम बढ़ाते हैं। यदि ढलान ऊपर की ओर है, तो आप पीछे हट जाते हैं। SQQNN गणितीय रूप से ऐसा ही करता है, अपनी त्रुटियों के "ढलान" को महसूस करता है और न्यूनतम गलती तक पहुँचने के लिए अपने कोणों को समायोजित करता है। उन्होंने इसे लॉजिक पज़ल्स (जैसे क्लासिक AND, OR, XOR गेट्स) और पावर प्लांट आउटपुट जैसे वास्तविक दुनिया के डेटा पर परखा। परिणाम प्रभावशाली थे: सिंगल-क्यूबिट नेटवर्क ने बहुत कम चरणों और बहुत कम त्रुटियों के साथ इन कार्यों को सीखा, और अक्सर दो क्यूबिट वाले पुराने, अधिक जटिल क्वांटम मॉडलों से बेहतर प्रदर्शन किया।
वर्गीकरण (सॉर्टिंग) के कार्यों के लिए, उन्होंने एक बिल्कुल नया प्रशिक्षण तरीका निकाला। कदम-दर-कदम पहाड़ से नीचे उतरने के बजाय, उन्होंने "पॉलीनोमियल-बेस्ड लीनियर लीस्ट स्क्वेयर्स" विधि का उपयोग किया। इसे एक ऐसे मानचित्र के रूप में सोचें जो एक ही नज़र में घाटी के सटीक निचले हिस्से को दिखाता है, बजाय इसके कि आप कोहरे में भटकते रहें। इस समस्या को एक विशिष्ट प्रकार के गणितीय पहेली में बदलकर, वे एक ही चरण में सटीक उत्तर की गणना कर सके। इसने प्रशिक्षण को अविश्वसनीय रूप से तेज़ बना दिया—अक्सर एक सामान्य लैपटॉप पर केवल कुछ सेकंडों में। उन्होंने विस्कॉन्सिन ब्रेस्ट कैंसर डेटा (कैंसर कोशिकाओं को छाँटना) और यहाँ तक कि हस्तलिखित संख्याओं (MNIST डेटासेट) को पहचानने जैसे प्रसिद्ध डेटासेट्स पर इसका परीक्षण किया। कई मामलों में, सिंगल-क्यूबिट नेटवर्क ने लगभग पूर्ण सटीकता प्राप्त की, "2 और 3" या "8 और 9" जैसे कठिन जोड़ों के बीच 97% से अधिक सफलता के साथ अंतर किया।
शोधकर्ता सावधानीपूर्वक यह नोट करते हैं कि ये परिणाम सिमुलेशन से आए हैं। उन्होंने एक क्लासिकल कंप्यूटर पर अपना क्वांटम मॉडल चलाया जो एक क्वांटम कंप्यूटर होने का नाटक कर रहा था। उन्होंने अभी तक इसे वास्तविक क्वांटम मशीन पर नहीं चलाया है, लेकिन वे आशावादी हैं। क्यों? क्योंकि सिंगल-क्यूबिट ऑपरेशन्स वर्तमान क्वांटम हार्डवेयर पर सबसे विश्वसनीय चीजों में से एक हैं। वे जटिल, मल्टी-क्यूबिट सिस्टम की तुलना में टूटने या शोर (नॉइज़) पैदा करने की कम संभावना रखते हैं। यह सुझाव देता है कि जब वे अंततः इसे वास्तविक हार्डवेयर पर चलाएंगे, तो यह अच्छी तरह से काम करेगा।
संक्षेप में, यह पेपर सुझाव देता है कि हमें उपयोगी एआई करने के लिए विशाल, त्रुटि-मुक्त क्वांटम सुपरकंप्यूटरों का इंतज़ार करने की आवश्यकता नहीं है। एक एकल, अच्छी तरह से ट्यून किए गए क्वांटम सिक्के का उपयोग करके, हम तेज़, सटीक और आज के क्वांटम उपकरणों के लिए तैयार मॉडल बना सकते हैं। यह एक याद दिलाता है कि कभी-कभी, सबसे शक्तिशाली उपकरण सबसे बड़ा नहीं होता, बल्कि वह होता है जो जानता है कि ठीक से कैसे घूमना है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।