The ebbs and flows of quantum learning and sensing
यह शोध पत्र प्रदर्शित करता है कि न्यूनतम रूप से ट्यून करने योग्य पोस्टवेरिएशनल क्वांटम सर्किट एक मध्यवर्ती "लर्निंग फेज" (सीखने की अवस्था) प्रदर्शित करते हैं, जो स्पेक्ट्रल नॉनफ्लैटनेस और उच्च मेट्रोलॉजिकल संवेदनशीलता द्वारा अभिलक्षित है, जो गहरे क्वांटम अराजक (क्वांटम केओस) द्वारा अवलोकन योग्य प्रतिक्रियाओं को दबाने से पहले स्केलेबल नॉनलीनियर सूचना प्रसंस्करण के लिए एक गणनात्मक रूप से उपयोगी संसाधन के रूप में कार्य 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
सोचती हुई मशीनें बनाने की खोज में, वैज्ञानिकों ने लंबे समय से एक बढ़त पाने के लिए क्वांटम भौतिकी की विचित्र दुनिया की ओर देखा है। ये मशीनें सूक्ष्म कणों की एक साथ कई अवस्थाओं में मौजूद रहने और एक-दूसरे के साथ गहराई से जुड़ जाने की क्षमता पर निर्भर करती हैं, जिसे 'एंटैंगलमेंट' (entanglement) नामक घटना कहा जाता है। जब कई कण आपस में क्रिया करते हैं, तो वे जटिलता का एक ऐसा स्तर उत्पन्न कर सकते हैं जो साधारण कंप्यूटरों के लिए सिम्युलेट करना असंभव है। हालाँकि, इसमें एक पेच है। हालाँकि यह जटिलता शक्तिशाली है, लेकिन यह नाजुक भी है। यदि कोई क्वांटम प्रणाली बहुत अधिक अराजक या बहुत अधिक उलझ जाती है, तो इसमें निहित जानकारी इतनी बिखरी हुई हो सकती है कि इसे पढ़ने की कोशिश करने वाले किसी भी व्यक्ति के लिए यह प्रभावी रूप से खो जाती है। यह इंजीनियरों के लिए एक कठिन पहेली खड़ी करता है: आप क्वांटम अराजकता की कच्ची शक्ति का उपयोग कैसे करें बिना उस सूचना को उपयोग करने की क्षमता खोए जो यह उत्पन्न करती है? इसका उत्तर एक नाजुक संतुलन खोजने में निहित है, एक विशिष्ट बिंदु जहाँ प्रणाली इतनी जटिल हो कि उपयोगी हो सके, लेकिन इतनी अराजक न हो कि अपठनीय हो जाए।
फिनलैंड और यूनाइटेड किंगडम के शोधकर्ताओं की एक टीम ने अब इस नाजुक संतुलन का मानचित्र तैयार किया है, जिससे एक छिपी हुई "लर्निंग फेज" (सीखने की अवस्था) का पता चला है जहाँ क्वांटम प्रणालियाँ अपने सबसे प्रभावी रूप में होती हैं। एक विशिष्ट प्रकार के क्वांटम सर्किट का निर्माण और परीक्षण करके, उन्होंने पाया कि सबसे उपयोगी सूचना प्रसंस्करण तब नहीं होता जब प्रणाली पूरी तरह से अराजक होती है, और न ही तब जब वह बहुत सरल होती है। इसके बजाय, इसका 'स्वीट स्पॉट' (अनुकूलतम बिंदु) एक मध्यवर्ती क्षेत्र में स्थित है। इस क्षेत्र में, प्रणाली एक समृद्ध, संरचित आंतरिक संगठन बनाए रखती है जो इसे अपने वातावरण में परिवर्तनों को महसूस करने और पिछले इनपुट को उच्च सटीकता के साथ याद रखने की अनुमति देती है। शोधकर्ताओं ने पाया कि जैसे-जैसे उन्होंने प्रणाली को पूर्ण अराजकता की ओर धकेला, यह उपयोगी संरचना ढह गई, और मशीन की कुछ भी सीखने या महसूस करने की क्षमता समाप्त हो गई।
इसकी खोज के लिए, वैज्ञानिकों ने क्वांटम बिट्स (qubits) के एक छल्ले का उपयोग करके एक मॉडल बनाया, जो क्वांटम सूचना की मौलिक इकाइयाँ हैं। उन्होंने ऑपरेशन्स का एक क्रम तैयार किया जिसे इन बिट्स के बीच परस्पर क्रिया की ताकत को नियंत्रित करने के लिए ट्यून किया जा सके। पैमाने के एक छोर पर, इंटरैक्शन कमजोर थे, और बिट्स एक-दूसरे को बहुत कम प्रभावित कर रहे थे, जिसके परिणामस्वरूप एक ऐसी प्रणाली मिली जो बहुत अधिक गणना करने के लिए बहुत सरल थी। दूसरे छोर पर, उन्होंने इंटरैक्शन को अधिकतम तक बढ़ाकर सिस्टम को गहरे अराजक (chaos) की स्थिति में डाल दिया, जहाँ प्रत्येक बिट अन्य प्रत्येक बिट के साथ एक यादृच्छिक और अप्रत्याशित तरीके से एंटैंगल हो गया। इस पूरी तरह से अराजक अवस्था में, प्रणाली एक पूर्ण रैंडम नंबर जनरेटर की तरह व्यवहार करती है; हालांकि यह अविश्वसनीय रूप से जटिल है, इसने इसमें जो डाला गया था उसकी विशिष्ट स्मृति खो दी है, जिससे यह सीखने या महसूस करने जैसे कार्यों के लिए बेकार हो गई है।
यह सफलता तब आई जब शोधकर्ताओं ने सरल और अराजक चरम सीमाओं के बीच, यानी बीच में क्या हो रहा है, उस पर बारीकी से नज़र डाली। उन्होंने पाया कि एक विशिष्ट क्षेत्र था जहाँ प्रणाली की आंतरिक संरचना न तो सपाट और सरल थी और न ही पूरी तरह से बिखरी हुई। इस मध्यवर्ती चरण में, क्वांटम बिट्स ने कनेक्शनों का एक जटिल पदानुक्रम बनाया जो इनपुट में सूक्ष्म परिवर्तनों के प्रति अत्यधिक संवेदनशील था। शोधकर्ताओं ने इस संवेदनशीलता को यह मापकर मापा कि इनपुट सिग्नल में थोड़ा सा बदलाव करने पर सिस्टम की स्थिति कितनी बदल जाती है। उन्होंने पाया कि यह संवेदनशीलता इस मध्य क्षेत्र में चरम पर थी, जिससे एक ऐसी खिड़की बन गई जहाँ सिस्टम उल्लेखनीय स्पष्टता के साथ विभिन्न इनपुट के बीच अंतर कर सकता था। संवेदनशीलता का यह शिखर एक विशिष्ट प्रकार के आंतरिक क्रम के साथ मेल खाता था, जहाँ प्रणाली के भीतर ऊर्जा स्तरों का वितरण व्यापक और संरचित था, न कि सपाट या डिजेनरेट।
इस खोज के क्वांटम कंप्यूटर और सेंसर बनाने के तरीके पर गहरे निहितार्थ हैं। अध्ययन दिखाता है कि सबसे शक्तिशाली क्वांटम मशीनें वे नहीं होंगी जिन्हें अराजकता की सीमा तक धकेला जाएगा, बल्कि वे होंगी जिन्हें ठीक उस सीमा से पहले रुकने के लिए सावधानीपूर्वक ट्यून किया जाएगा। इस "लर्निंग फेज" में, प्रणाली एक परिष्कृत रिज़र्वोइर (जलाशय) की तरह कार्य करती है, डेटा के प्रवाह को लेती है, उसे एक जटिल लेकिन नियंत्रित तरीके से मिलाती है, और एक ऐसा आउटपुट देती है जो अतीत की स्पष्ट स्मृति बनाए रखता है। शोधकर्ताओं ने इस विचार का परीक्षण करने के लिए अपने मॉडल का उपयोग मानक सीखने के कार्यों को करने के लिए किया, जैसे संख्याओं के अनुक्रम को याद रखना या पिछले पैटर्न के आधार पर भविष्य के मूल्यों की भविष्यवाणी करना। हर मामले में, प्रदर्शन इसी मध्यवर्ती क्षेत्र में सबसे अच्छा था। जैसे-जैसे सिस्टम का आकार बढ़ता गया, इस इष्टतम क्षेत्र में सूचना को संसाधित करने की क्षमता वास्तव में बेहतर होती गई, जो यह सुझाव देता है कि ये मशीनें तेजी से जटिल समस्याओं को संभालने के लिए बड़े पैमाने पर विकसित हो सकती हैं।
अध्ययन ने यह भी स्पष्ट किया कि क्वांटम प्रणाली को बहुत अधिक अराजकता की ओर धकेलना क्यों प्रतिकूल है। जब प्रणाली पूरी तरह से अराजक हो जाती है, तो इनपुट के बारे में जानकारी पूरी प्रणाली में इतनी पतली फैली जाती है कि वास्तविक दुनिया के प्रयोगों में उपलब्ध सीमित मापों के साथ इसे पहचानना असंभव हो जाता है। सिग्नल गायब नहीं होता है, बल्कि यह इस तरह से छिपा होता है जो इसे सुलभ बनाने के लिए अनुपलब्ध बना देता है। शोधकर्ताओं ने दिखाया कि इस गहरे अराजक अवस्था में, नए इनपुट के प्रति प्रतिक्रिया देने की प्रणाली की क्षमता तेजी से गिरती है, जो प्रभावी रूप से इसकी सीखने की क्षमता को बंद कर देती है। यह पुष्टि करता है कि क्वांटम कंप्यूटिंग की क्षमता को अनलॉक करने की कुंजी केवल जटिलता उत्पन्न करना नहीं है, बल्कि उन विशिष्ट संरचनाओं को संरक्षित करना है जो उस जटिलता को पठनीय और उपयोगी बनाते हैं।
इस मध्यवर्ती शासन (regime) की पहचान करके, शोधकर्ताओं ने बेहतर क्वांटम उपकरणों को डिजाइन करने के लिए एक स्पष्ट मार्ग प्रदान किया है। उन्होंने प्रदर्शित किया कि सर्वोत्तम प्रदर्शन उस संतुलन से आता है जहाँ प्रणाली गैर-रेखीय (nonlinear) गणना करने के लिए पर्याप्त जटिल है और सूचना को सुलभ रखने के लिए पर्याप्त संरचित है। यह "गोल्डिलॉक्स" ज़ोन, जहाँ प्रणाली न तो बहुत सरल है और न ही बहुत अराजक, एक ऐसा रोडमैप प्रदान करता है जिससे ऐसी मशीनें बनाई जा सकें जो पहले से कहीं अधिक कुशलता से सीख सकें, महसूस कर सकें और सूचना को संसाधित कर सकें। यह कार्य सुझाव देता है कि क्वांटमान तकनीक का भविष्य अधिकतम अराजकता के पीछे भागने में नहीं, बल्कि जटिलता के भीतर व्यवस्था बनाए रखने की सूक्ष्म कला में महारत हासिल करने में 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।