CoQui: A Coordinate-Conditioned Quantum Implicit Generative Adversarial Network for End-to-End Image Generation
यह शोध पत्र CoQui को प्रस्तुत करता है, जो एक कोऑर्डिनेट-कंडीशन्ड क्वांटम इम्प्लिसिट जेनेरेटिव एडवरसैरियल नेटवर्क है जो स्थानिक निर्देशांकों (spatial coordinates) पर क्वेरी किए गए वेरिएशनल क्वांटम सर्किट के माध्यम से चित्र उत्पन्न करके मौजूदा एम्प्लीट्यूड-आधारित QGANs की स्केलेबिलिटी और नियंत्रण सीमाओं को दूर करता है, जिससे रिज़ॉल्यूशन को क्यूबिट आवश्यकताओं से अलग किया जाता है और कम संसाधनों के साथ बेहतर दृश्य और मात्रात्मक प्रदर्शन प्राप्त किया जाता 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
एक ऐसी दुनिया की कल्पना करें जहाँ कंप्यूटर केवल संख्याओं की गणना ही नहीं करते, बल्कि वास्तविकता के ताने-बाने के साथ नृत्य करते हैं। यह क्वांटम कंप्यूटिंग का क्षेत्र है, एक ऐसा क्षेत्र जो उप-परमाणु कणों के अजीब और सहज-बोध के विपरीत नियमों का उपयोग उन समस्याओं को हल करने के लिए करता है जिन्हें हल करने में पारंपरिक सुपरकंप्यूटरों को अनंत काल लग जाएगा। इस तकनीक के सबसे रोमांचक अनुप्रयोगों में से एक "जेनरेटिव एआई" (generative AI) है, जहाँ कंप्यूटर पहले से मौजूद चीजों का विश्लेषण करने के बजाय नई चीजें, जैसे कला या संगीत, बनाना सीखते हैं। ऐसा करने के लिए, वैज्ञानिक "जेनरेटिव एडवरसैरियल नेटवर्क" (GAN) नामक एक चतुर खेल का उपयोग करते हैं। इसे एक जालसाज और एक जासूस के रूप में सोचें: जालसाज इतनी सटीक नकली छवियां बनाने की कोशिश करता है कि जासूस असली तस्वीरों और उनमें अंतर न कर सके। जैसे-जैसे वे इस खेल को बार-बार खेलते हैं, जालसाज कला बनाने में अविश्वसनीय रूप से कुशल हो जाता है। अब, कल्पना कीजिए कि इस जालसाज को एक क्वांटम महाशक्ति देना। यही "क्वांटम GANs" का लक्ष्य है—छवियां उत्पन्न करने के लिए क्वांटम कंप्यूटरों का उपयोग करना। लेकिन यहाँ एक पेंच है: वर्तमान क्वांटम कंप्यूटर छोटे और नाजुक हैं, और उनके चित्र बनाने के पुराने तरीके ऐसे हैं जैसे एक विशाल भित्ति चित्र (mural) बनाने के लिए केवल एक छोटे, नन्हे ब्रश का उपयोग करना, जो बहुत अधिक पिक्सेल पेंट करने की कोशिश करने पर जाम हो जाता है।
यहाँ CoQui आता है, एक नया दृष्टिकोण जो खेल के नियम बदल देता है। छवि के सभी पिक्सेल को एक साथ संभालने के लिए क्वांटम कंप्यूटर को मजबूर करने के बजाय, CoQui छवि को एक जादुय, निरंतर परिदृश्य (landscape) की तरह मानता है। कल्पना कीजिए कि आपके पास एक जादुई पेंटब्रश है जो केवल यह पूछकर कि, "निर्देशांक (x, y) पर क्या रंग है?" कैनवास के किसी भी स्थान का रंग तुरंत बता सकता है। आपको पूरी तस्वीर एक साथ पेंट करने की आवश्यकता नहीं है; आप बस हर एक बिंदु पर एक-एक करके जाते हैं और ब्रश से उसके रंग के बारे में पूछते हैं। CoQui यही करता है। यह इमेज जनरेशन को एक "कोऑर्डिनेट-कंडीशन्ड" (coordinate-conditioned) कार्य के रूप में पुनर्गठित करता है। क्वांटम स्टेट के "एम्प्लीट्यूड्स" (तकनीकी रूप से यह कहने का एक तरीका है कि किसी कण के एक निश्चित अवस्था में होने की संभावना) को सीधे पिक्सेल की चमक से जोड़ने के बजाय, Coqui क्वांटम कंप्यूटर को एक विशिष्ट स्थान (निर्देशांक) और एक गुप्त कोड (लेटेंट वेरिएबल) फीड करता है। क्वांटम कंप्यूटर फिर एक परिष्कृत कैलकुलेटर की तरह कार्य करता है, जो उस विशिष्ट स्थान के लिए सटीक चमक निकालता है।
यह शोध पत्र सुझाव देता है कि यह विधि पिछले क्वांटम इमेज जनरेटरों की दो बड़ी समस्याओं को हल करती है। पहला, पुराने तरीकों में जैसे-जैसे छवि बड़ी होती थी, क्वांटम बिट्स (qubits) की संख्या भी बढ़ती जाती थी, जैसे अधिक पानी रखने के लिए बड़े और बड़े बाल्टी की आवश्यकता होना। Coqui इस संबंध को तोड़ देता है; आप एक विशाल क्वांटम कंप्यूटर की आवश्यकता के बिना उच्च-रिज़ॉल्यूशन वाली छवि बना सकते हैं। दूसरा, पुराने तरीकों में पिक्सेल "प्रोबेबिलिटी मास" के लिए आपस में लड़ते थे, जिसका अर्थ था कि यदि एक पिक्सेल बहुत चमकीला होता, तो दूसरे को बहुत गहरा होना पड़ता था। Coqui प्रत्येक पिक्सेल को स्वतंत्र रूप से मापने की अनुमति देता है, ताकि उन्हें प्रतिस्पर्धा न करनी पड़े। शोधकर्ताओं ने कंप्यूटर सिमुलेशन में मानक इमेज डेटासेट्स (MNIST और Fashion-MNIST) का उपयोग करके इस विचार का परीक्षण किया। उन्होंने पाया कि Coqui पिछले क्वांटम तरीकों की तुलना में काफी कम संसाधनों का उपयोग करते हुए—विशेष रूप से, केवल 5 क्यूबिट्स (रंग के लिए एक और चार विशेषताओं के लिए) और एक एकल क्वांटम सर्किट के साथ—अधिक स्पष्ट और तीखी छवियां बना सकता है।
टीम ने एक विशेष "क्वांटम सर्किट" आर्किटेक्चर भी डिज़ाइन किया है जो एक स्मार्ट फिल्टर की तरह कार्य करता है, जिससे छवि की विशेषताओं को बहुत संरचित तरीके से रंग आउटपुट को नियंत्रित करने की अनुमति मिलती है। उनके सिमुलेशन में, इस डिज़ाइन ने मॉडल को बेहतर ढंग से सीखने और कम धुंधली और अधिक विस्तृत छवियां उत्पन्न करने में मदद की। हालांकि परिणाम उत्साहजनक हैं, लेखक सावधानी बरतते हुए नोट करते हैं कि ये वास्तविक, शोर वाले क्वांटम हार्डवेयर पर नहीं, बल्कि क्लासिकल कंप्यूटरों पर चलाए गए सिमुलेशन हैं। वे सुझाव देते हैं कि यह कोऑर्डिनेट-आधारित दृष्टिकोण क्वांटम इमेज जनरेशन के लिए एक अधिक लचीला और कुशल मार्ग प्रदान करता है, जो भविष्य के क्वांटम उपकरणों को लाखों क्यूबिट्स की आवश्यकता के बिना जटिल छवियां बनाने में सक्षम बना सकता है। यह एक भविष्य की ओर एक कदम है जहाँ एक छोटा सा क्वांटम चिप, एक समय में एक पिक्सेल करके, एक उत्कृष्ट कृति (masterpiece) पेंट कर सकता 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।