← नवीनतम पेपर
🤖 machine learning

Quantum-Structured World Models (QSWMs) for Predictive Latent Dynamics

यह शोध पत्र क्वांटम-स्ट्रक्चर्ड वर्ल्ड मॉडल्स (QSWMs) को प्रस्तुत करता है, जो भविष्य कहनेवाला विश्व मॉडलिंग (predictive world modeling) को बढ़ाने के लिए कॉम्प्लेक्स-वैल्यूड और डेंसिटी-मैट्रिक्स-जैसे लेटेंट स्टेट्स का उपयोग करने वाला एक क्वांटम-प्रेरित ढांचा है, जो सेलुलर ऑटोमेटा पर आशाजनक स्थानीय भविष्य कहने वाली क्षमताओं का प्रदर्शन करता है जबकि लंबी अवधि के रोलआउट में सीमाओं को भी उजागर करता है।

मूल लेखक: Hailong Jiang, Emran Hossain, Feng Yu, Jianfeng Zhu, Guilin Zhang, Wulan Guo

प्रकाशित 2026-08-07
📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें
CC BY 4.0

मूल लेखक: Hailong Jiang, Emran Hossain, Feng Yu, Jianfeng Zhu, Guilin Zhang, Wulan Guo

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 भविष्य की भविष्यवाणी करना सिखाने की कोशिश कर रहे हैं। इसके लिए, रोबोट को एक "वर्ल्ड मॉडल" (विश्व मॉडल) की आवश्यकता होगी—एक मानसिक मानचित्र जो अब तक उसने जो कुछ भी देखा और किया है, उसका सारांश प्रस्तुत करता है, जिससे वह अनुमान लगा सके कि आगे क्या होगा। आज के अधिकांश रोबोट इन मानचित्रों को संख्याओं की सरल सूचियों (वेक्टर्स) या प्रायिकता चार्टों का उपयोग करके बनाते हैं। यह एक जटिल पेंटिंग का वर्णन केवल ब्लैक-एंड-व्हाइट स्केच का उपयोग करके करने जैसा है; यह काम तो करता है, लेकिन आप उसकी गहराई, रंग और ब्रशस्ट्रोक के बीच के सूक्ष्म संबंधों को खो देते हैं। वैज्ञानिक लंबे समय से यह सोचते आए हैं कि क्या क्वांटम भौतिकी—वह अजीब, दिमाग घुमा देने वाले नियम जो सूक्ष्म कणों को नियंत्रित करते हैं—के विचारों को उधार लेकर इन रोबोटों को बेहतर, अधिक कुशल मानसिक मानचित्र बनाने में मदद मिल सकती है। क्वांटम भौतिकी में, चीजें एक साथ कई अवस्थाओं में हो सकती हैं (सुपरपोजिशन) और उन्हें जटिल संख्याओं द्वारा वर्णित किया जा सकता है जो आकार और "फेज" (एक तरंग की तरह) दोनों को वहन करती हैं। बड़ा सवाल यह है कि यदि हम एक रोबोट को इन "क्वांटम-शैली" के तरीकों से सोचना सिखाते हैं, भले ही वह एक सामान्य कंप्यूटर पर चल रहा हो, तो क्या वह दुनिया कैसे बदलती है, इसका बेहतर भविष्यवक्ता बन जाएगा?

यह शोध पत्र एक नया विचार प्रस्तुत करता है जिसे क्वांटम-स्ट्रक्चर्ड वर्ल्ड मॉडल्स (QSWMs) कहा जाता है। इसे एक रोबोट को एक नए प्रकार की नोटबुक देने के रूप में समझें। केवल "आसमान के नीला होने की संभावना 80% है" लिखने के बजाय, रोबोट एक जटिल, तरंग-जैसी व्याख्या लिखता है जो न केवल प्रायिकता को, बल्कि यह भी पकड़ती है कि विभिन्न संभावनाएँ एक-दूसरे के साथ कैसे हस्तक्षेप (interfere) कर सकती हैं, जैसे तालाब में लहरें। शोधकर्ताओं ने इन नए क्वांटम-प्रेरित नोटबुक के दो संस्करण बनाए: एक जो कॉम्प्लेक्स नंबर्स (जटिल संख्याएं, जिनमें एक वास्तविक भाग और एक काल्पनिक भाग होता है, जो एक 2D तीर की तरह कार्य करते हैं) का उपयोग करता है, और दूसरा जो डेंसिटी मैट्रिसेस (यह ट्रैक करने का एक तरीका कि विभिन्न संभावनाएँ आपस में कैसे मिली हुई हैं) का उपयोग करता है। उन्होंने इन नई नोटबुक का परीक्षण "सेलुलर ऑटोमेटा" नामक एक डिजिटल खेल के मैदान पर किया—जो अनिवार्य रूप से पिक्सेल का एक ग्रिड है जो सरल नियमों के आधार पर अपना रंग बदलते हैं, जैसे कि 'गेम ऑफ लाइफ' का एक डिजिटल संस्करण।

परिणाम उत्साहजनक संभावनाओं और स्पष्ट सीमाओं का मिश्रण थे। मॉडल का "कॉम्प्लेक्स नंबर" वाला संस्करण आश्चर्यजनक रूप से एक मजबूत भविष्यवक्ता साबित हुआ। अल्पकालिक परीक्षणों में, इसने पिक्सेल ग्रिड के अगले चरण की भविष्यवाणी किसी भी मानक, गैर-क्वांटम मॉडल की तुलना में अधिक सटीकता से की, भले ही उन मानक मॉडलों को जानकारी संग्रहीत करने के लिए अतिरिक्त स्थान दिया गया हो। यह ऐसा है मानो कॉम्प्लेक्स नोटबुक ने रोबोट को ग्रिड के पैटर्न को अधिक सहजता से "महसूस" करने की अनुमति दी। हालाँकि, "डेंसिटी मैट्रिक्स" वाला संस्करण उतना अच्छा प्रदर्शन नहीं कर सका, और न ही कोई भी मॉडल बहुत दूर के भविष्य की भविष्यवाणी करने में पूर्ण था। अध्ययन बताता है कि जबकि ये क्वांटम-प्रेरित संरचनाएं स्थानीय पैटर्न सीखने के लिए एक उपयोगी शॉर्टकट प्रदान करती हैं, वे कोई जादुई छड़ी नहीं हैं जो भविष्यवाणियों की सभी समस्याओं को हल कर दे। शोधकर्ताओं ने पाया कि कॉम्प्लेक्स मॉडल की सफलता केवल इसलिए नहीं थी क्योंकि वह बड़ा या अधिक जटिल था; जिस विशिष्ट तरीके से इसने जटिल संख्याओं का उपयोग किया, वह एक विशेष प्रकार का "इंडक्टिव बायस" (inductive bias)—दुनिया कैसे काम करती है इसके बारे में एक सहायक अनुमान—प्रदान करता था, जिसने इसे अल्पकाल में तेजी से और अधिक सटीक रूप से सीखने में मदद की। अंततः, यह शोध पत्र दिखाता है कि क्वांटम भौतिकी से गणित उधार लेने से वर्ल्ड मॉडल्स को स्थानीय गतिशीलता (local dynamics) को समझने के लिए एक नई शक्ति मिल सकती है, भले ही हम इसके लिए वास्तविक क्वांटम कंप्यूटरों का उपयोग न कर रहे हों।

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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.LG →