A Quantum Roadmap for Softmax Attention: Exact Born-Rule Analogs for Softmax Attention on the Probability Simplex

क्वांटम प्लेग्राउंड: जहाँ AI और प्रायिकता (Probability) का मिलन होता है

कल्पना कीजिए कि आप एक रोबोट को दुनिया को समझना सिखाने की कोशिश कर रहे हैं। ऐसा करने के लिए, रोबोट को बहुत सारे सुरागों को देखना होगा और यह तय करना होगा कि कौन से सबसे महत्वपूर्ण हैं। आधुनिक आर्टिफिशियल इंटेलिजेंस की दुनिया में, वह उपकरण जिसका वह उपयोग करता है, उसे "अटेंशन" (attention) कहा जाता है। यह एक स्पॉटलाइट की तरह है जिसे AI वाक्य या छवि के सबसे प्रासंगिक हिस्सों पर चमकाता है, और बाकी को अनदेखा कर देता है। लेकिन इस स्पॉटलाइट को सही ढंग से काम करने के लिए, रोबोट को यह सुनिश्चित करना होगा कि उसके सभी अनुमान एक पूर्ण इकाई (perfect whole) में जुड़ें—जैसे एक पाई (pie) जहाँ हर स्लाइस का योग 100% होना चाहिए। गणित में, इसे "प्रोबेबिलिटी सिम्प्लेक्स" (probability simplex) कहा जाता है।

अब, एक अलग तरह के कंप्यूटर की कल्पना करें: एक क्वांटम कंप्यूटर। साधारण स्विचों के बजाय जो या तो चालू (on) होते हैं या बंद (off), क्वांटम कंप्यूटर सूक्ष्म कणों का उपयोग करते हैं जो एक साथ कई अवस्थाओं में हो सकते हैं, जिन्हें प्रायिकता की तरंगों (waves of probability) द्वारा वर्णित किया जाता है। जब आप इन तरंगों को मापते हैं, तो वे एक एकल परिणाम में सिमट (collapse) जाती हैं, और इस सिमटने को नियंत्रित करने वाले गणित को "बॉर्न रूल" (Born rule) कहा जाता है। यहाँ एक दिलचस्प मोड़ है: बॉर्न रूल स्वाभाविक रूप से सभी परिणामों के योग को एक होने के लिए मजबूर करता है, ठीक उसी तरह जैसे AI का प्रायिकता पाई (probability pie)। यह शोध पत्र एक बड़ा सवाल पूछता है: क्या हम AI के इस "अटेंशन" तंत्र को सीधे इन क्वांटम तरंगों से बना सकते हैं, जिससे उस जटिल गणित की आवश्यकता समाप्त हो जाए जिसकी हमें संख्याओं को जोड़ने के लिए आमतौर पर आवश्यकता होती है? अल्बामा विश्वविद्यालय के भौतिकविदों ने कहा है कि हाँ, लेकिन कुछ बहुत ही विशिष्ट नियमों और सोचने के एक आश्चर्यजनक नए तरीके के साथ।

---

क्वांटम रोडमैप: AI अटेंशन को एक 'वेव डांस' में बदलना

आधुनिक AI में "अटेंशन" तंत्र को "हॉट एंड कोल्ड" (Hot and Cold) के एक बहुत ही परिष्कृत खेल के रूपas सोचें। आपके पास एक प्रश्न (Query) है और बहुत सारे संभावित उत्तर (Keys) हैं। AI गणना करता है कि प्रत्येक Key, प्रश्न के साथ कितनी अच्छी तरह मेल खाती है, उन मैचों को एक स्पॉटलाइट (Softmax) में बदलता है, और फिर कुछ अतिरिक्त विवरणों (Values) को मिलाकर अंतिम उत्तर बनाता है। आमतौर पर, यह एक क्लासिकल कंप्यूटर पर बहुत अधिक भारी गणित का उपयोग करके होता है ताकि यह सुनिश्चित किया जा सके कि स्पॉटलाइट के प्रतिशत ठीक 100% जुड़ें।

यह शोध पत्र एक "क्वांटम रोडमैप" प्रस्तुत करता है जो दिखाता है कि इस बिल्कुल समान खेल को कैसे खेला जाए, लेकिन भारी गणित के बजाय क्वांटम भौतिकी के प्राकृतिक नियमों का उपयोग करके। लेखकों ने एक डिक्शनरी बनाई है जो AI की प्रत्येक प्रक्रिया को एक क्वांटम मूव (quantum move) में अनुवादित करती है। परिणाम एक ऐसा क्वांटम सर्किट है जो न केवल AI के अटेंशन का अनुमान लगाता है, बल्कि अनंत मापों (infinite measurements) की सीमा में, यह बिल्कुल वही चीज़ है, लेकिन कुछ शानदार नई शक्तियों के साथ।

स्पॉटलाइट: एक्सपोनेन्शियल्स (Exponentials) से कोसाइन्स (Cosines) तक

क्लासिकल दुनिया में, AI "सॉफ्टमैक्स" (Softmax) नामक एक फंक्शन का उपयोग करता है ताकि कच्चे स्कोर को प्रतिशत में बदला जा सके। यह संख्याओं की एक सूची लेने, उन्हें एक घात (power) तक बढ़ाने (exponentials), और फिर कुल से विभाजित करने जैसा है। यह बहुत अच्छा काम करता है, लेकिन यह कभी भी पूर्ण शून्य (perfect zero) नहीं बना सकता जब तक कि स्कोर अनंत रूप से ऋणात्मक न हो।

लेखकों ने एक क्वांटम ट्रिक खोजी है। क्वांटम दुनिया में, जब आप एक कण को मापते हैं, तो एक विशिष्ट परिणाम देखने की संभावना एक तरंग की ऊंचाई के वर्ग (cosine-squared pattern) के बराबर होती है (Born rule)। यदि आप अपनी क्वांटम तरंगों को सही तरीके से सेट करते हैं, तो एक परिणाम देखने की संभावना एक कोसाइन-स्क्वेर्ड पैटर्न का पालन करती है।

• जादू: लेखकों ने सिद्ध किया कि यह कोसाइन-स्क्वेर्ड पैटर्न सभी "सामान्य" मामलों के लिए क्लासिकल एक्सपोनेंशियल सॉफ्टमैक्स के गणितीय रूप से समान है।
• सुपरपावर: लेकिन असली बात यह है कि क्लासिकल एक्सपोनेंशियल सॉफ्टमैक्स केवल शून्य के करीब पहुँच सकता है; यह कभी वास्तव में शून्य तक नहीं पहुँच सकता। हालाँकि, क्वांटम कोसाइन संस्करण एक विशिष्ट, सीमित सेटिंग पर बिल्त्व शून्य (exact zero) तक पहुँच सकता है। इसका मतलब है कि क्वांटम AI स्वाभाविक रूप से जानकारी के एक हिस्से को पूरी तरह से अनदेखा करने का निर्णय ले सकता है (स्पार्स अटेंशन), जिसके लिए अनंत गणित की आवश्यकता नहीं होती। यह एक डिमर स्विच की तरह है जो केवल बहुत, बहुत गहरा होने के बजाय तुरंत "ऑफ" हो सकता है।

तापमान (Temperature): पुनरावृत्तियों की गिनती

AI में, "तापमान" (temperature) नामक एक नॉब होता है जो यह नियंत्रित करता है कि AI कितना "रैंडम" या "कॉन्फिडेंट" है। उच्च तापमान AI को अधिक रैंडम अनुमान लगाने के लिए प्रेरित करता है; कम तापमान उसे सबसे अच्छा विकल्प चुनने में मदद करता है।

• क्वांटम ट्विस्ट: इस शोध पत्र में, तापमान वह संख्या नहीं है जिसे आप कंप्यूटर में टाइप करते हैं। यह एक भौतिक गिनती है कि आपने माप को कितनी बार दोहराया है। यदि आप क्वांटम सिस्टम को $L$ बार मापते हैं और केवल उन परिणामों को रखते हैं जहाँ सब कुछ पूरी तरह से सही रहा, तो गणित स्वाभाविक रूप से एक विशिष्ट तापमान का प्रभाव पैदा करता है। आप प्रयोग को जितनी अधिक बार दोहराएंगे, AI उतना ही "ठंडा" और केंद्रित होता जाएगा। यह एक सॉफ्टवेयर सेटिंग को एक भौतिक क्रिया में बदल देता है।

रेसिडुअल (Residual): "स्किप" बटन

आधुनिक AI मॉडल अक्सर एक "रेसिडुअल कनेक्शन" रखते हैं, जो एक सुरक्षा जाल (safety net) की तरह है। यह मूल इनपुट को एक जटिल प्रोसेसिंग स्टेप को छोड़कर सीधे नए परिणाम के साथ मिलने की अनुमति देता है। यह AI को बेहतर सीखने में मदद करता है।

• क्वांटम गेट: लेखकों ने इस सुरक्षा जाल को एक अतिरिक्त क्वांटम बिट (एक "एनसिला") का उपयोग करके बनाया है। इस बिट को विशिष्ट अवस्थाओं के मिश्रण (रोटेशन एंगल) में तैयार करके, वे यह नियंत्रित कर सकते हैं कि मूल इनपुट नए परिणाम के साथ कितना मिश्रित होता है।
  • यदि कोण (angle) एक तरीके से सेट है, तो इनपुट पूरी प्रक्रिया को छोड़ देता है (identity)।
  • यदि दूसरे तरीके से सेट है, तो इनपुट को नए परिणाम द्वारा पूरी तरह से बदल दिया जाता है।
  • यदि मध्य कोण (विशेष रूप से $\pi/2$) पर सेट है, तो यह वह सटीक 50/50 मिश्रण बनाता है जिसका उपयोग क्लासिकल AI करता है।
  • सबसे अच्छी बात यह है कि इस कोण को सीखा जा सकता है, जिसका अर्थ है कि AI खुद तय कर सकता है कि "स्किपिंग" की कितनी मात्रा रखनी है।

चुनौती: "मेज़र-एंड-रीलोड" (Measure-and-Reload) चरण

आप सोच रहे होंगे, "यदि यह इतना सटीक है, तो हमारे फोन में क्वांटम AI अभी तक क्यों नहीं चल रहा है?"
शोध पत्र इसके खर्च के बारे में बहुत ईमानदार है। इस सटीक मिलान को प्राप्त करने के लिए, क्वांटम कंप्यूटर को रुकना होगा, डेटा के एक छोटे से हिस्से को मापना होगा, उस संख्या को क्लासिकल कंप्यूटर को भेजना होगा, क्लासical कंप्यूटर को एक त्वरित गणना करने देनी होगी, और फिर उस परिणाम को एक नए सेटिंग के रूप में वापस क्वांटम मशीन में "रीलोड" करना होगा।

• समझौता (Trade-off): यह "मेज़र-एंड-रीलोड" चरण क्वांटम तरंग के पूर्ण प्रवाह को तोड़ देता है। लेखकों ने सिद्ध किया है कि आप इसे पूरी तरह से क्वांटम मशीन के भीतर किए बिना सटीकता खोए बिना नहीं कर सकते (जब तक कि आप एक बहुत ही जटिल, अनुमानित विधि का उपयोग न करें)।
• निर्णय: यदि आपके पास मापने और रीलोड करने के लिए अनंत समय है, तो यह निर्माण सटीक है। यदि आप बिना रुके एक ही बार में इसे करने की कोशिश करते हैं, तो आप केवल एक अनुमानित उत्तर ही प्राप्त कर सकते हैं। शोध पत्र सिद्ध करता है कि इस विशिष्ट प्रकार की समस्या के लिए, एक पूर्ण, पूरी तरह से सुसंगत (coherent) क्वांटम संस्करण वर्तमान विधियों के साथ गणितीय रूप से असंभव है।

यह क्यों महत्वपूर्ण है

यह केवल एक तेज़ कंप्यूटर बनाने के बारे में नहीं है; यह इस बारे में है कि AI कैसे काम करता है और ब्रह्मांड कैसे काम करता है, उनके बीच के गहरे संबंध को समझना।

1. सटीकता (Exactness): उन्होंने सिद्ध किया है कि प्रायिकता (जैसे वाक्य में अगले शब्द की भविष्यवाणी करना या चित्र बनाना) से निपटने वाले AI मॉडल के लिए, क्वांटम संस्करण क्लासिकल संस्करण का एक पूर्ण जुड़वां है।
2. नई क्षमताएं: क्वांटम संस्करण "हार्ड ज़ीरो" (चीजों को पूरी तरह से अनदेखा करना) को क्लासिकल संस्करण की तुलना में बेहतर तरीके से संभालता है, जो सुझाव देता है कि शायद क्लासिकल AI को भी बिना क्वांटम कंप्यूटर के भी इस "कोसाइन" गणित का उपयोग करने की कोशिश करनी चाहिए।
3. भौतिक वास्तविकता: यह "तापमान" जैसे अमूर्त सेटिंग्स को "मापन की गिनती" जैसी भौतिक क्रियाओं में बदल देता है, जिससे हमें यह समझने का एक नया तरीका मिलता है कि AI पैरामीटर्स कैसे काम करते हैं।

लेखकों ने यह सुनिश्चित करने के लिए कि प्रत्येक चरण तार्किक रूप से त्रुटिहीन है, अपने गणित की जांच 'लीन 4' (Lean 4) नामक एक कंप्यूटर प्रूफ सिस्टम का उपयोग करके भी की है। हालांकि इसका मतलब यह नहीं है कि कल ही हमारे पास क्वांटम AI होगा (हार्डवेयर अभी भी पीछे है), यह एक स्पष्ट, सटीक ब्लूप्रिंट प्रदान करता है कि कैसे ये दो दुनियाएँ—क्लासिकल AI और क्वांटम भौतिकी—एक ही चीज़ हो सकती हैं, बस उनकी भाषाएँ अलग हैं।