Position: Quantum Program Generation Must Prioritize Validity Over Probabilistic Scaling
यह शोध पत्र तर्क देता है कि क्वांटम सर्किट संश्लेषण के लिए संभाव्य मॉडलों (probabilistic models) को स्केल करना मौलिक रूप से त्रुटिपूर्ण है क्योंकि वैध डिजाइनों में घातांकीय गिरावट (exponential decay) और सिंटैक्स-सिमेंटिक्स अंतराल होता है, और इसके बजाय सत्यापनकर्ता-केंद्रित एजेंटों (verifier-centric agents) की ओर एक प्रतिमान परिवर्तन का समर्थन करता है जो गणितीय बाधाओं और प्रतीकात्मक प्रॉक्सी (symbolic proxies) को सीधे पीढ़ी प्रक्रिया में एकीकृत करते 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 रोबोट को घर बनाना सिखाने की कोशिश कर रहे हैं। नियमित सॉफ़्टवेयर की दुनिया में, यदि रोबोट एक ऐसा वाक्य लिखता है जो वाक्य जैसा दिखता है लेकिन उसमें एक छोटी सी व्याकरण संबंधी गलती है, तो एक इंसान आमतौर पर इसे पहचान सकता है, ठीक कर सकता है, और घर फिर भी खड़ा रहेगा। यह "प्रवाह" (fluency) की दुनिया है, जहाँ सही दिखने वाला होना अक्सर शुरुआत करने के लिए काफी होता है। लेकिन अब, कल्पना कीजिए कि रोबोट शुद्ध, अदृश्य ऊर्जा से बना एक घर बनाने की कोशिश कर रहा है जो क्वांटम भौतिकी के अजीब और कठोर नियमों का पालन करता है। इस दुनिया में, एक छोटी सी गलती केवल एक टाइपो नहीं है; यह एक ऐसी ईंट रखने जैसा है जिसे गलत जगह पर रखने से पूरा भवन हवा में गायब हो सकता है। यह क्वांटम कंप्यूटिंग की चुनौती है।
समस्या को समझने के लिए, हमें दो चीजें जानने की आवश्यकता है। पहला, क्वांटम सर्किट इन ऊर्जा घरों के ब्लूप्रिंट हैं। ये "गेट्स" (gates) से बने होते हैं जो क्यूबिट्स (qubits) नामक सूक्ष्म कणों को नियंत्रित करते हैं। सामान्य कंप्यूटर की तरह जो 0 और 1 का उपयोग करता है, क्यूबिट्स एक साथ दोनों का मिश्रण हो सकते हैं, लेकिन वे अविश्वसनीय रूप से नाजुक होते हैं। यदि आप गेट्स के क्रम में गड़बड़ी करते हैं या गलत प्रकार का गेट उपयोग करते हैं, तो पूरी गणना ढह जाती है। दूसरा, AI में एक लोकप्रिय विचार है जिसे स्केलिंग हाइपोथीसिस (scaling hypothesis) कहा जाता है। यह विश्वास है कि यदि आप बस एक AI को बड़ा बनाते हैं और उसे अधिक डेटा खिलाते हैं, तो वह अंततः दुनिया के तर्क को खुद ही "समझ" लेगा, केवल एक वाक्य में अगले शब्द का अनुमान लगाकर। बड़ा सवाल यह है: क्या हम एक सुपर-बड़ा AI बना सकते हैं जो एक पूर्ण क्वांटम ब्लूप्रिंट तक पहुँचने के लिए अनुमान लगाने के रास्ते पर चल सके, या ब्रह्मांड का गणित कुछ अधिक सख्त होने की मांग करता है?
यह शोध पत्र तर्क देता है कि क्वांटम कंप्यूटरों के लिए, "बस इसे बड़ा बनाओ" वाली रणनीति एक बंद रास्ता है। लेखक, जुनहाओ सोंग, यू झोउ, विलियम नॉटनबेल्ट और युडोंग काओ का सुझाव है कि क्वांटम प्रोग्राम उत्पन्न करने के लिए AI को स्केल करने की कोशिश करना घास के ढेर में एक विशिष्ट सुई खोजने के लिए और अधिक सुइयां फेंकने जैसा है; आप अंततः बेकार सुइयों का एक बड़ा ढेर ही पाएंगे।
उनके तर्क का मूल यह है कि क्वांटम सर्किटों में सिंटैक्स (कोड कैसा दिखता है) और सिमेंटिक्स (कोड वास्तव में भौतिक दुनिया में क्या करता है) के बीच एक विशाल अंतर है। सामान्य प्रोग्रामिंग में, आप एक ऐसा वाक्य लिख सकते हैं जो एकदम सही दिखता है लेकिन जिसका कोई अर्थ नहीं निकलता, और एक कंप्यूटर इसे चलाएगा और क्रैश हो जाएगा, जिससे आपको पता चलेगा कि क्या गलत हुआ। क्वांटम प्रोग्रामिंग में, एक वाक्य एकदम सही दिख सकता है, बिना क्रैश हुए चल सकता है, और फिर भी पूरी तरह से गलत हो सकता है क्योंकि यह ब्रह्मांड के गहरे गणितीय नियमों का उल्लंघन करता है। लेखक बताते हैं कि "वैध" क्वांटम सर्किटों की संख्या "अवैध" सर्किटों की तुलना में इतनी अविश्वसनीय रूप से कम है कि वे समुद्र तट पर रेत के एक अकेले कण की तरह हैं। यदि आप केवल AI को बेतरतीब ढंग से अनुमान लगाने देते हैं, तो एक सुपर-स्मार्ट, विशाल AI भी ज्यादातर "आत्मविश्वास के साथ गलत" उत्तर ही देगा। वे इसे इनवर्स स्केलिंग (inverse scaling) कहते हैं: मॉडल जितना बड़ा होता है, वह उतना ही बेहतर तरीके से क्वांटм विशेषज्ञ जैसा सुनाई देता है, लेकिन वास्तव में वह उतना ही खराब होता जाता है, क्योंकि वह केवल सार्वजनिक डेटासेट में पाए जाने वाले खराब कोड के पैटर्न को याद कर रहा होता है।
यह पेपर स्पष्ट रूप से इस विचार को खारिज करता है कि हम इसे हजारों अनुमान उत्पन्न करके और बाद में बुरे अनुमानों को छानकर ठीक कर सकते हैं। लेखक प्रदर्शित करते हैं कि चूंकि वैध विकल्प इतने दुर्लभ हैं, इसलिए एक सही एक को खोजने के लिए आवश्यक अनुमानों की संख्या समस्या के आकार के साथ तेजी से (exponentially) बढ़ती है, जो ब्रूट फ़ोर्स (brute force) द्वारा हल करना गणितीय रूप से असंभव हो जाता है। वे इस विचार के भी विरुद्ध तर्क देते हैं कि मनुष्य काम की जांच कर सकते हैं; एक बार जब आप लगभग 50 क्यूबिट्स से आगे निकल जाते हैं, तो गणित हाथ से सत्यापित करने के लिए बहुत जटिल हो जाता है।
आकार और भाग्य पर निर्भर रहने के बजाय, लेखक काम करने का एक नया तरीका प्रस्तावित करते हैं जिसे वेरिफायर-सेंट्रिक एजेंट्स (Verifier-Centric Agents) कहा जाता है। कल्पना कीजिए कि एक रोबोट वास्तुकार जो केवल यह अनुमान नहीं लगाता कि घर कैसा दिखना चाहिए, बल्कि एक जादुई, तत्काल-जांचने वाले उपकरण को साथ रखता है जो कहता है "नहीं, आप वहां खिड़की नहीं रख सकते क्योंकि भौतिकी इसकी अनुमति नहीं देगी" इससे पहले कि दीवार खींची जाए। यह नया दृष्टिकोण क्वांटम भौतिकी के नियमों को कोड लिखते समय सीधे AI के मस्तिष्क में बनाता है। यह एक "पदानुक्रमित" (hierarchical) विधि का उपयोग करता है, पहले बड़े चित्र की जांच करता है (जैसे यह सुनिश्चित करना कि कमरे सही ढंग से जुड़े हुए हैं), फिर मध्य परत की जांच करता है (यह सुनिश्चित करना कि दरवाजे फिट बैठते हैं), और अंत में सूक्ष्म विवरणों की जांच करता है (यह सुनिश्चित करना कि ईंटें सही आकार की हैं)।
लेखक सुझाव देते हैं कि इन "रचनात्मक सत्यापन" (constructive verification) विधियों का उपयोग करके—जहाँ AI को एक साथ पूरा अनुमान लगाने के बजाय चरण-दर-चरण नियमों का पालन करने के लिए मजबूर किया जाता है—हम वास्तव में विश्वसनीय क्वांटम प्रोग्राम बना सकते हैं। वे दिखाते हैं कि जबकि हम सब कुछ हल करने के लिए केवल स्केल अप नहीं कर सकते, हम एक ऐसा सिस्टम बना सकते हैं जो AI की रचनात्मकता को सख्त, गणितीय सुरक्षा घेरों के साथ जोड़कर काम करता है। पेपर निष्कर्ष निकालता है कि क्वांटम कंप्यूटिंग जैसे क्षेत्रों के लिए, जहाँ नियम कठिन हैं और वैध उत्तर दुर्लभ हैं, हमें केवल मानवीय प्रवाह (fluency) की नकल करने की कोशिश करना बंद करना होगा और एक ऐसा AI बनाना शुरू करना होगा जो ब्रह्मांड के सख्त तर्क का सम्मान करता हो।
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।