Quantum and classical processing with photonic quantum machine learning
यह शोध पत्र एक स्केलेबल, प्रोग्रामेबल सिलिकॉन फोटोनिक चिप प्रस्तुत करता है जो क्वांटम और क्लासिकल मशीन लर्निंग कार्यों को करने के लिए सिंगल फोटोन का उपयोग करता है, जो एक नवीन प्रयोगात्मक अपूर्णता शमन रणनीति के माध्यम से क्वांटम स्टेट टॉमोग्राफी और एंटैंगलमेंट मेजरमेंट में बेहतर सटीकता प्रदर्शित 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 आपके पास एक बहुत ही जटिल, रहस्यमय बॉक्स (एक क्वांटम अवस्था) है जिसे आपको समझना है। क्लासिकल कंप्यूटरों की दुनिया में, इस बॉक्स के अंदर क्या है यह पता लगाना एक विशाल जिग्सॉ पहेली को सुलझाने जैसा है जहाँ आपको इसके टुकड़ों को हर एक संभव कोण से देखना पड़ता है। इसमें बहुत अधिक समय और कंप्यूटिंग शक्ति लगती है, जिससे अक्सर यह सामान्य कंप्यूटरों के लिए जल्दी करना असंभव हो जाता है।
यह शोध पत्र इस पहेली को हल करने का एक नया तरीका पेश करता है, जो एक विशेष "क्वांटम मशीन" पर आधारित है जिसे एक छोटे सिलिकॉन चिप पर बनाया गया है, जो आपके फोन में मौजूद चिप्स के समान है लेकिन इसे बिजली के बजाय प्रकाश के कणों (फोटोन) को संभालने के लिए डिज़ाइन किया गया है।
यहाँ शोधकर्ताओं द्वारा किए गए कार्यों का विवरण दिया गया है, सरल उपमाओं का उपयोग करते हुए:
1. "ब्लैक बॉक्स" बनाम "मैजिक मिक्सर"
आमतौर पर, एक क्वांटम अवस्था को समझने के लिए, वैज्ञानिकों को इसे अलग-अलग तरीकों (विभिन्न 'बेसिस') में बार-बार मापना पड़ता है ताकि एक पूरी तस्वीर मिल सके। यह एक स्मूदी के स्वाद को समझने की कोशिश करने जैसा है जहाँ आप केवल एक स्ट्रॉ के माध्यम से चख सकते हैं जो आपको केवल लाल बेरीज, फिर नीली बेरीज, फिर हरी बेरीज चखने देती है, और वह भी एक-एक करके। यह धीमा और उबाऊ है।
टीम ने एक क्वांटम रिज़र्वोइर प्रोसेसर बनाया। इसे एक "मैजिक मिक्सर" के रूप में सोचें।
- इनपुट: आप अपनी रहस्यमय क्वांटम स्मूदी (इनपुट स्टेट) को मिक्सर में डालते हैं।
- मिक्सर: चिप के अंदर, प्रकाश दर्पणों और वेवगाइड्स (रिज़र्वोइर) के एक जटिल भूलभुलैया के माध्यम से टकराता है। यह जानकारी को एक बहुत ही विशिष्ट, नॉन-लीनियर तरीके से बिखेर देता है, जिससे सभी स्वादों को आपस में मिला दिया जाता है।
- आउटपुट: स्मूदी को टुकड़ों में चखने के बजाय, मशीन अलग-अलग नलों से निकलने वाली बूंदों की संख्या को ठीक-ठीक गिनती है (इसे "फोटोन-नंबर-रिजॉल्विंग" डिटेक्शन कहा जाता है)।
- परिणाम: एक कंप्यूटर प्रोग्राम (एक न्यूरल नेटवर्क) निकलने वाली बूंदों के पैटर्न को देखता है और तुरंत समझ जाता है कि मूल स्मूदी किससे बनी थी।
2. दो प्रकार के कार्य
शोधकर्ताओं ने दिखाया कि यह चिप दो अलग-अलग काम कर सकती है:
कार्य अ: क्वांटम जासूस (क्वांटम कार्य)
उन्होंने क्वांटम स्टेट टोमोग्राफी करने के लिए चिप का उपयोग किया।
- उपमा: कल्पना कीजिए कि आपके पास अदृश्य स्याही में लिखा एक गुप्त कोड है। एक सामान्य कैमरा इसे नहीं देख सकता। लेकिन यदि आप इस पर एक विशिष्ट, जटिल प्रकाश डालते हैं, तो कोड एक पैटर्न में परावर्तित होता है जिसे एक कंप्यूटर पढ़ सकता है।
- उपलब्धि: उन्होंने केवल अपने चिप की एक निश्चित सेटिंग का उपयोग करके एक जटिल क्वांटम अवस्था का पूर्ण "मानचित्र" (डेंसिटी मैट्रिक्स) सफलतापूर्वक पुनर्गठित किया। पारंपरिक तरीकों के लिए घातीय (exponentially) रूप से अधिक मापों की आवश्यकता होगी (जैसे कि लाखों अलग-अलग कोणों से फोटो लेना)। उन्होंने इस एकल माप से "एंटैंगलमेंट" (दो कणों के बीच जुड़ाव) और "प्योरिटी" (अवस्था कितनी अव्यवस्थित है) जैसे कठिन गुणों को भी सीधे मापा।
कार्य ब: पैटर्न पहचानकर्ता (क्लासिकल कार्य)
उन्होंने एक मानक गणितीय समस्या को हल करने के लिए भी इस चिप का उपयोग किया: दो आपस में जुड़ी हुई सर्पिल (स्पाइरल) आकृतियों के बीच अंतर करना (AI के लिए एक क्लासिक परीक्षण)।
- उपमा: कल्पना कीजिए कि आप एक रोबोट को स्पाइरल बनाना सिखा रहे हैं। आमतौर पर, आपको उसे हजारों आदर्श उदाहरण दिखाने होंगे। लेकिन वास्तविक दुनिया में, आपका हाथ हिलता है, और रेखाएं टेढ़ी-मेढ़ी होती हैं।
- उपलब्धि: शोधकर्ताओं ने सिस्टम को प्रशिक्षण के दौरान "टेढ़ी-मेढ़ी रेखाओं" (प्रायोगिक त्रुटियों) की अपेक्षा करने के लिए सिखाया। प्रशिक्षण के दौरान इन खामियों का अनुकरण करके, सिस्टम इतना मजबूत हो गया कि इसने एक आदर्श क्लासिकल कंप्यूटर की तुलना में बेहतर प्रदर्शन किया। इसने शोर (नॉइज़) को अनदेखा करना और वास्तविक पैटर्न को खोजना सीख लिया।
3. यह क्यों महत्वपूर्ण है
यह शोध पत्र दावा करता है कि यह एक बड़ी सफलता है क्योंकि:
- गति और दक्षता: यह उन क्वांटम समस्याओं को हल करता है जो आमतौर पर क्लासिकल कंप्यूटरों के लिए बहुत कठिन होती हैं, क्योंकि यह सॉफ़्टवेयर के माध्यम से इसे सिम्युलेट करने के बजाय प्रकाश के प्राकृतिक भौतिकी का उपयोग करती है।
- स्केलेबिलिटी: यह चिप सिलिकॉन से बनी है, वही सामग्री जिसका उपयोग हमारे सभी इलेक्ट्रॉनिक्स में किया जाता है, जिसका अर्थ है कि इसे बड़े पैमाने पर बनाया जा सकता है और बड़ा किया जा सकता है।
- वास्तविक दुनिया का प्रमाण: कई क्वांटम प्रयोगों के विपरीत जो केवल आदर्श सिमुलेशन में काम करते हैं, इस टीम ने वास्तविक उपकरण बनाया, प्रयोग चलाए और साबित किया कि यह वास्तविक दुनिया की खामियों के साथ भी काम करता है।
सारांश
संक्षेप में, शोधकर्ताओं ने एक छोटा, प्रकाश-संचालित "मस्तिष्क" बनाया है जो एक जटिल क्वांटम वस्तु को देख सकता है और तुरंत बता सकता है कि वह क्या है, बिना उसे तोड़ने या उसे लाखों कोणों से देखे। उन्होंने यह भी साबित किया कि इस मस्तिष्क को वास्तविक दुनिया की अव्यवस्था के लिए प्रशिक्षित करके, यह एक आदर्श सैद्धांतिक कंप्यूटर से भी बेहतर तरीके से समस्याओं को हल कर सकता है। यह एक दूर के भविष्य की प्रतीक्षा करने के बजाय अभी भी व्यावहारिक कार्यों के लिए क्वांटम मशीनों का उपयोग करने का मार्ग खोलता 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।