Single-shot online sequence classification with unbounded quantum memory advantage

एक यात्री की कल्पना करें जो एक विशाल, परिवर्तनशील परिदृश्य में यात्रा कर रहा है। हर कदम पर, उसे सूचना का एक नया अंश प्राप्त होता है—एक ध्वनि, एक दृश्य, एक संकेत—और उसे वास्तविक समय में यह निर्णय लेना होता है कि उन घटनाओं के क्रम का अर्थ क्या है। क्या पथ खतरे की ओर ले जा रहा है? क्या बाजार स्थिर हो रहा है? सही उत्तर देने के लिए, यात्री केवल वर्तमान क्षण पर प्रतिक्रिया नहीं दे सकता; उसे अतीत को थामे रखना होगा, यह याद रखते हुए कि कैसे पहले के संकेत वर्तमान के साथ मिलकर यात्रा के वास्तविक स्वरूप को प्रकट करते हैं। कंप्यूटिंग की दुनिया में, यह यात्री एक एल्गोरिदम है, और वह "स्मृति" जिसका उपयोग वह इन पिछले विवरणों को संग्रहीत करने के लिए करता है, एक बहुमूल्य, सीमित संसाधन है। दशकों से, वैज्ञानिक आश्चर्य करते रहे हैं कि क्या क्वांटम यांत्रिकी के विचित्र नियम एक यात्री को एक हल्का थैला ले जाने की अनुमति दे सकते हैं, जो एक क्लासिकल मशीन की तरह उतना ही याद रख सके, लेकिन बहुत कम स्थान का उपयोग करे।

यह प्रश्न नानयांग टेक्नोलॉजिकल यूनिवर्सिटी के शोधकर्ताओं और उनके सहयोगियों के एक नए अध्ययन के केंद्र में है। उन्होंने एक विशिष्ट प्रकार की पहेली का निर्माण किया है जहाँ एक एजेंट को डेटा के एक प्रवाह को उसके आगमन के साथ, एक बार में एक टुकड़ा करके वर्गीकृत करना होता है, बिना कभी एक साथ पूरी तस्वीर देखे। शोधकर्ताओं ने एक सरल लेकिन गहन प्रश्न पूछा: जैसे-जैसे वातावरण की जटिलता बढ़ती है, क्या एक क्लासिकल कंप्यूटर के लिए पहेली को हल करने के लिए आवश्यक स्मृति (मेमोरी) बिना किसी सीमा के बढ़ती है, या क्या एक क्वांटम कंप्यूटर अपनी स्मृति के उपयोग को छोटा और स्थिर रख सकता है? उन्हें जो उत्तर मिला वह निर्णायक और आश्चर्यजनक है। उन्होंने सिद्ध किया कि कुछ जटिल कार्यों के लिए, एक क्लासिकल एजेंट को सटीक रहने के लिए अपनी स्मृति को अनिश्चित काल के लिए बढ़ाना पड़ता है, जबकि एक क्वांटम एजेंट उन्हीं कार्यों को पूरी तरह से हल कर सकता है, एक निश्चित, सीमित मात्रा में स्मृति का उपयोग करते हुए, जिसे कभी बढ़ने की आवश्यकता नहीं होती, चाहे वातावरण कितना भी जटिल क्यों न हो जाए।

इस सफलता को समझने के लिए, सबसे पहले चुनौती की प्रकृति को समझना आवश्यक है। शोधकर्ताओं ने कई खंडों वाले एक घूमते हुए पहिये से जुड़े खेलों की एक श्रृंखला डिजाइन की, जिनमें से प्रत्येक में संभावित रूप से एक रंगीन मार्बल (कंचा) हो सकता है। पहिया एक ज्ञात स्थिति से शुरू होता है, लेकिन हर घुमाव के साथ, यह एक निश्चित मात्रा में घूमता है। पहिये को देखने वाला एजेंट स्वयं पहिये को नहीं देखता; वह केवल उन संख्याओं को देखता है जो यह दर्शाती हैं कि पहिया कितनी दूर तक घूम चुका है। लक्ष्य उस रंग की भविष्यवाणी करना है जो वर्तमान में एक निश्चित मार्कर के नीचे स्थित मार्बल का है जब पहिया रुकता है। पेच यह है कि एजेंट को केवल उन घुमावों के क्रम के आधार पर यह भविष्यवाणी करनी होगी जिन्हें उसने देखा है, बिना कभी पहिये की वर्तमान स्थिति को देखे। यदि पहिये की कई संभावित स्थितियाँ हैं, तो एक क्लासिकल एजेंट को हर एक स्थिति के लिए एक अलग मानसिक नोट रखना होगा ताकि वह कभी गलती न करे। जैसे-जैसे संभावित स्थितियों की संख्या बढ़ती है, इसे सटीक रूप से ट्रैक करने के लिए आवश्यक स्मृति बड़ी और बड़ी होती जाती है, और अंततः अनंत हो जाती है।

शोधकर्ताओं ने प्रदर्शित किया कि यह केवल एक सैद्धांतिक सीमा नहीं है बल्कि एक कठोर बाधा है। उन्होंने दिखाया कि यदि एक क्लासिकल एजेंट संभावित स्थितियों की संख्या से कम स्मृति का उपयोग करने की कोशिश करता है, तो उसका प्रदर्शन ढह जाता है। सही परिस्थितियों में, ऐसा एजेंट रैंडम अनुमान लगाने से बेहतर नहीं होता, जिससे विभिन्न परिणामों के बीच अंतर करने की उसकी क्षमता समाप्त हो जाती है। यह ऐसा है जैसे एजेंट ने उस पथ को भुला दिया हो जिस पर वह चला था और वह अंधेरे में लड़खड़ा रहा हो। यह एक स्पष्ट विभाजन पैदा करता है: पूर्ण होने के लिए, एक क्लासिकल मशीन को एक ऐसी स्मृति भार ढोना होगा जो उसके द्वारा देखे जाने वाले संसार की जटिलता के साथ सीधे तौर पर बढ़ता है।

इसके विपरीत, शोधकर्ताओं द्वारा बनाए गए क्वांटम एजेंट अलग तरह से व्यवहार करते हैं। पहिये के घुमावों के इतिहास को एक क्वांटम प्रणाली की नाजुक अवस्थाओं में कूटबद्ध (encode) करके, ये एजेंट पहिये की प्रत्येक संभावित स्थिति के लिए एक अलग नोट रखने की आवश्यकता के बिना, उसी जटिल वातावरण को ट्रैक कर सकते हैं। शोधकर्ताओं ने एक विशिष्ट क्वांटम रणनीति का निर्माण किया है जो एजेंट को पहिये की स्थिति का सटीक रिकॉर्ड बनाए रखने की अनुमति देता है, जिसमें स्मृति का आकार पहिये की कुल स्थितियों की संख्या पर नहीं, बल्कि "कोलिडिंग रोटेशन्स" (टकराने वाले घुमावों)—उन विशिष्ट उदाहरणों पर निर्भर करता है जहाँ अलग-अलग पहिये की स्थितियाँ अलग-अलग रंग के परिणामों की ओर ले जाती हैं—पर आधारित होता है। जबकि क्लासिकल मेमोरी की आवश्यकता स्थितियों की कुल संख्या के साथ बढ़ती है, क्वांटम मेमोरी की आवश्यकता इस कोलिजन काउंट (टकराव गणना) द्वारा सीमित रहती है। कई मामलों में, यह गणना छोटी और स्थिर रहती है, भले ही पहिये की कुल स्थितियों की संख्या बहुत विशाल हो जाए। हालाँकि, यह लाभ सार्वभौमिक नहीं है; यदि स्थितियों की संख्या की तुलना में अलग-अलग मार्बल के रंगों की संख्या बहुत अधिक है, तो क्वांटरल लाभ समाप्त हो जाता है। शोधकर्ताओं ने गणितीय रूप से सिद्ध किया कि उनकी क्वांटम रणनीति सबसे कुशल संभव है; कोई अन्य विधि, क्लासिकल या क्वांटम, कम स्मृति के साथ यह कार्य नहीं कर सकती।

इस खोज का महत्व घूमते हुए पहिये के इस विशेष खेल से कहीं आगे तक फैला हुआ है। यह ऑनलाइन निर्णय लेने के संदर्भ में क्लासिकल और क्वांटम कंप्यूटिंग की स्मृति लागत के बीच एक स्पष्ट, असीमित अलगाव स्थापित करता है। कई वास्तविक दुनिया के परिदृश्यों में, वित्तीय बाजारों की निगरानी से लेकर सेंसर डेटा में विसंगतियों का पता लगाने तक, सूचना निरंतर प्रवाह में आती है, और सिस्टम को इसे चलते समय (on the fly) वर्गीकृत करना होता है। अध्ययन दिखाता है कि इन प्रकार की समस्याओं के लिए, क्वांटम यांत्रिकी एक मौलिक लाभ प्रदान करती है: एक निश्चित, न्यूनतम स्मृति के साथ जटिल, विकसित होती जानकारी को संसाधित करने की क्षमता। यह गति या प्रसंस्करण शक्ति का मामला नहीं है, बल्कि सूचना को संग्रहीत करने और पुनः प्राप्त करने की दक्षता का मामला है। शोधकर्ताओं ने दिखाया है कि क्वांटम दुनिया सूचना के ऐसे संपीड़न (compression) की अनुमति देती है जो क्लासिकल दुनिया में असंभव है, जिससे एजेंट जटिल वातावरणों को उस सहजता के साथ नेविगेट कर सकते हैं जो क्लासिकल एजेंट कभी हासिल नहीं कर सकते।

यह कार्य इस लाभ की सीमाओं को भी स्पष्ट करता है। शोधकर्ताओं ने यह दावा नहीं किया कि क्वांटम कंप्यूटर हर कार्य में बेहतर हैं, न ही उन्होंने यह सुझाव दिया कि यह लाभ सभी स्थितियों में दिखाई देता है। इसके बजाय, उन्होंने समस्याओं के एक विशिष्ट वर्ग की पहचान की जहाँ अंतर पूर्ण और प्रमाणित है। उन्होंने दिखाया कि क्वांटम लाभ एक अस्पष्ट संभावना नहीं बल्कि एक ठोस वास्तविकता है जिसे सटीक रूप से मापा और गणना की जा सकती है। यह सिद्ध करके कि उनका क्वांटम निर्माण कार्य को करने में सक्षम सबसे छोटा संभव मेमोरी सिस्टम है, उन्होंने एक सटीक बेंचमार्क प्रदान किया है कि क्या हासिल किया जा सकता है। यह वैज्ञानिकों को बुद्धि और निर्णय लेने के लिए आवश्यक मौलिक संसाधनों को समझने के लिए एक नया उपकरण देता है, यह प्रकट करते हुए कि क्वांटम क्षेत्र दक्षता का एक अनूंक मार्ग प्रदान करता है जिसे क्लासिकल भौतिकी दोहरा नहीं सकती।

अंततः, यह शोध स्मृति और जटिलता के बीच के संबंध के बारे में हमारे दृष्टिकोण को बदल देता है। यह सुझाव देता है कि अतीत को याद रखने की लागत एक निश्चित कीमत नहीं है जो दुनिया के आकार द्वारा निर्धारित होती है, बल्कि एक चर (variable) है जो पर्यवेक्षक की प्रकृति पर निर्भर करती है। एक क्लासिकल पर्यवेक्षक के लिए, एक जटिल दुनिया एक जटिल मस्तिष्क की मांग करती है। एक क्वांटम पर्यवेक्षक के लिए, वही जटिल दुनिया एक ऐसे मस्तिष्क के साथ समझी जा सकती है जो छोटा और स्थिर रहता है। यह अंतर सूचना के अध्ययन में एक नया अध्याय खोलता है, यह दिखाते हुए कि क्वांटम यांत्रिकी के नियम अनंत स्मृति के बोझ के बिना अतीत के भार को ढोने का एक तरीका प्रदान करते हैं।