QSpark: Towards Reliable Qiskit Code Generation
यह शोध पत्र QSpark को प्रस्तुत करता है, जो एक फाइन-ट्यून्ड Qwen2.5-Coder-32B मॉडल है, जिसने सिंथेटिक डेटा पर GRPO और ORPO ट्रेनिंग का लाभ उठाकर विश्वसनीय Qiskit कोड उत्पन्न करने में सामान्य-उद्देश्य वाले LLMs की तुलना में काफी बेहतर प्रदर्शन करते हुए Qiskit HumanEval पर 56.29% Pass@1 प्राप्त किया है, साथ ही यह भी उजागर किया है कि उन्नत क्वांटम प्रोग्रामिंग कार्य अभी भी अनसुलझे हैं।
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 क्वांटम कंप्यूटर बनाना चाहते हैं, जो एक ऐसी सुपर-शक्तिशाली मशीन है जो उन समस्याओं को हल करती है जिन्हें सामान्य कंप्यूटर छू भी नहीं सकते। लेकिन एक पेंच है: इन मशीनों को प्रोग्राम करना अविश्वसनीय रूप से कठिन है। यह एक ऐसी डिश के लिए रेसिपी लिखने जैसा है जो अभी तक अस्तित्व में ही नहीं है, और उन सामग्रियों का उपयोग करके जो उन्हें बहुत करीब से देखने पर गायब हो जाती हैं।
यहीं QSpark काम आता है। QSpark को एक सुपर-स्मार्ट, विशेष रूप से डिज़ाइन किए गए कुकिंग असिस्टेंट के रूप में समझें, जिसे विशेष रूप से क्वांटम शेफ के लिए बनाया गया है। इसका काम इंसानों को इन क्वांटम मशीनों के लिए "रेसिपी" (कोड) लिखने में मदद करना है, जिसमें Qiskit नामक एक लोकप्रिय टूलकिट का उपयोग किया जाता है।
यहाँ शोधकर्ताओं ने कैसे QSpark बनाया, इसकी कहानी सरल शब्दों में दी गई है:
1. समस्या: "खराब शेफ" AI
शोधकर्ताओं ने एक बहुत ही स्मार्ट AI (एक लार्ज लैंग्वेज मॉडल) से शुरुआत की जो सामान्य कंप्यूटरों के लिए कोड लिखने में माहिर है। हालाँकि, जब उन्होंने इस AI को क्वांटम कंप्यूटरों के लिए कोड लिखने को कहा, तो इसने गलतियाँ करना शुरू कर दिया।
- उपमा: कल्पना कीजिए कि एक प्रतिभाशाली मानव शेफ से जादुई सामग्रियों का उपयोग करके भोजन बनाने के लिए कहा गया है। शेफ को खाना बनाना आता है, लेकिन वह जादू के नियमों को नहीं समझता। वह शायद किसी भूत को काटने या आग में बदलने वाले पानी को उबालने की कोशिश करेगा। परिणाम? डिश (क्वांटम प्रोग्राम) विफल हो जाती है या फट जाती है।
- वास्तविकता: क्वांटम कोड के सख्त नियम होते हैं (जैसे कि "आप जानकारी के एक टुकड़े की नकल नहीं कर सकते" या "सब कुछ आपस में जुड़ा हुआ है")। सामान्य AI मॉडल अक्सर इन नियमों को अनदेखा कर देते हैं क्योंकि उन्हें मुख्य रूप से सामान्य कोड पर प्रशिक्षित किया गया है।
2. समाधान: "टेस्ट ऑफ टेस्ट" के साथ AI को प्रशिक्षित करना
इसे ठीक करने के लिए, शोधकर्ताओं ने AI को केवल अधिक तथ्य नहीं सिखाए; उन्होंने एक विशेष प्रशिक्षण पद्धति का उपयोग करके AI को यह सिखाया कि "अच्छा" क्वांटम कोड कैसा दिखता है। उन्होंने 522 क्वांटम "रेसिपीज़" (कार्यों) का एक विशाल पुस्तकालय बनाया, जो सरल से लेकर बहुत जटिल तक थे।
उन्होंने दो अलग-अलग प्रशिक्षण तकनीकों का उपयोग किया, जिन्हें हम एक छात्र को सिखाने के दो अलग-अलग तरीकों के रूप में देख सकते हैं:
विधि A: "ग्रुप क्रिटिक" (GRPO)
- यह कैसे काम करता है: AI को एक ही कोड पाँच बार लिखने के लिए कहा जाता है। फिर, सिस्टम उन पाँचों वर्ज़न को चलाने का अनुकरण (simulate) करता है। यह उस वर्ज़न को चुनता है जो सबसे अच्छा काम करता है और उसे उच्च स्कोर देता है, जबकि अन्य को कम स्कोर मिलता है।
- उपमा: एक कुकिंग प्रतियोगिता की कल्पना करें जहाँ AI सूप के पाँच अलग-अलग वर्ज़न बनाता है। एक जज उन सभी का स्वाद लेता है। AI सीखता है, "ओह, जिस सूप में नमक कम और लहसुन ज्यादा था, उसने ग्रुप वोट जीता! मुझे अगली बार ऐसा ही करना चाहिए।"
- परिणाम: इसने AI को बुनियादी और मध्यम कार्यों में बेहतर बनाने में मदद की, जैसे कि यह सुनिश्चित करना कि सामग्रियां सही क्रम में हों।
विधि B: "मानव टेस्ट ऑफ टेस्ट" (ORPO)
- यह कैसे काम करता है: शोधकर्ताओं ने AI को कोड के जोड़े दिखाए: एक "परफेक्ट" वर्ज़न और एक "दोषपूर्ण" वर्ज़न। उन्होंने AI को बताया, "यह वाला अच्छा है; वह वाला बुरा है।" AI ने अच्छे वाले के स्टाइल और लॉजिक को पसंद करना सीख लिया।
- उपमा: यह एक मास्टर शेफ की तरह है जो AI के बगल में खड़ा होकर कहता है, "नहीं, प्याज को इस तरह मत काटो। देखो मैंने इसे कैसे किया। यह अधिक साफ और सुरक्षित है।" AI एक मानव विशेषज्ञ के स्टाइल और सर्वोत्तम प्रथाओं की नकल करना सीख जाता है।
- परिणाम: यह तरीका और भी बेहतर था। इसने AI को न केवल कोड को काम करने योग्य बनाना सिखाया, बल्कि इसे पठनीय और विश्वसनीय बनाना भी सिखाया, जैसे कि किसी पेशेवर इंजीनियर ने इसे लिखा हो।
3. परिणाम: रसोई में एक नया सितारा
शोधकर्ताओं ने अपने नए AI (QSpark) का परीक्षण अन्य प्रसिद्ध कोडिंग AI के मुकाबले किया।
- स्कोरबोर्ड: एक मानक टेस्ट "Qiskit HumanEval" पर, नए AI ने 56.29% का स्कोर प्राप्त किया। अगला सर्वश्रेष्ठ विशेष AI केवल लगभग 46% ही ला पाया।
- विभाजन:
- सरल कार्य: AI बुनियादी चीजों में बहुत अच्छा था (जैसे कि एक सिंगल क्वांटम बिट को घुमाना)।
- मध्यम कार्य: इसने जटिल लॉजिक पहेलियों पर बहुत अच्छा प्रदर्शन किया।
- कठिन कार्य: यह अब भी सबसे कठिन, उन्नत क्वांटम समस्याओं के साथ संघर्ष कर रहा था (0% सफलता दर)।
- निष्कर्ष: भले ही यह सबसे कठिन समस्याओं को हल नहीं कर सका, लेकिन यह उन कार्यों में अन्य किसी भी AI की तुलना में काफी बेहतर था जिन्हें यह कर सकता था। इसने साबित कर दिया कि AI को केवल अधिक कोड सिखाने के बजाय उसे "अच्छे कोड को पसंद करना" सिखाना अधिक प्रभावी है।
4. यह क्यों महत्वपूर्ण है
क्वांटम कंप्यूटिंग को एक नई भाषा के रूप में देखें। अभी, केवल कुछ ही लोग इसे धाराप्रवाह बोल पाते हैं।
- QSpark से पहले: क्वांटम कोड लिखने के लिए आपको एक जीनियस भौतिक विज्ञानी होने की आवश्यकता थी।
- QSpark के साथ: आप AI से कह सकते हैं, "एक क्वांटम टेलीपोर्टेशन सर्किट बनाओ," और यह आपको एक ड्राफ्ट देगा जो 90% सही है और सभी सुरक्षा नियमों का पालन करता है। आपको बस अंतिम फिनिशिंग टच देना होगा।
पेंच (जो अभी भी कठिन है)
पेपर स्वीकार करता है कि AI अभी भी परफेक्ट नहीं है।
- "एडवांस्ड" दीवार: ठीक वैसे ही जैसे एक छात्र जो गणित का होमवर्क तो कर सकता है लेकिन पीएचडी स्तर का शोध प्रबंध हल नहीं कर सकता, AI सबसे जटिल क्वांटम समस्याओं में विफल हो जाता है।
- अव्यवस्थित रसोई: शोधकर्ताओं को अपने स्वयं के परीक्षण उपकरण बनाने पड़े क्योंकि क्वांटम कोड का परीक्षण करने के लिए मानक उपकरण गायब थे या खराब थे। यह बिना किसी भरोसेमंद ओवन टाइमर के केक बनाने की कोशिश करने जैसा है।
संक्षेप में
यह पेपर पेश करता है QSpark, एक ऐसा टूल जो एक "टेस्ट ऑफ टेस्ट" प्रशिक्षण पद्धति का उपयोग करता है ताकि एक सामान्य AI को क्वांटम कोड विशेषज्ञ में बदला जा सके। यह अभी भी परफेक्ट नहीं है, लेकिन यह क्वांटम प्रोग्रामिंग को सुलभ, विश्वसनीय और उन "जादुई सामग्री" वाली गलतियों से मुक्त बनाने की दिशा में एक बड़ा कदम है जो आमतौर पर शुरुआती लोगों के साथ होती हैं। यह एक अराजक, त्रुटिपूर्ण प्रयोग और एक सुव्यवस्थित, पेशेवर रसोई के बीच का अंतर 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।