Hardware-Aware Design and Layout Selection in Quantum Reservoir Computing for Insurance Claims Forecasting
यह शोध पत्र प्रदर्शित करता है कि छोटे, हार्डवेयर-जागरूक छह-क्यूबिट क्वांटम रिज़र्वोइर कंप्यूटिंग मॉडल मोटर-बीमा दावों के पूर्वानुमान में शास्त्रीय बेसलाइन के तुलनीय प्रतिस्पर्धी सटीकता प्राप्त कर सकते हैं, जबकि अनुकूलित लेआउट चयन के माध्यम से आदर्श सिमुलेशन से शोरयुक्त IBM क्वांटम हार्डवेयर में स्थानांतरित होने पर प्रदर्शन में होने वाली गिरावट को प्रभावी ढंग से कम कर सकते हैं।
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 लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक कंप्यूटिंग की दुनिया में, उन मशीनों का उपयोग करने की बढ़ती इच्छा है जो आज के सुपर कंप्यूटरों के लिए बहुत कठिन समस्याओं को हल करने के लिए क्वांटम भौतिकी के अजीब नियमों पर काम करती हैं। ये नई मशीनें, जिन्हें अक्सर क्वांटम प्रोसेसर कहा जाता है, अभी अपने शुरुआती चरणों में हैं। वे छोटी, नाजुक और त्रुटियों के प्रति संवेदनशील हैं क्योंकि उनके घटक अपने विशेष क्वांटम गुणों को बहुत जल्दी खो देते हैं। इन मशीनों को पूर्ण होने से पहले उपयोगी बनाने के लिए, वैज्ञानिक 'क्वांटम रिज़र्वोयर कंप्यूटिंग' नामक एक तकनीक विकसित कर रहे हैं। क्वांटम मशीन को समाधान के हर एक चरण को सिखाने की कोशिश करने के बजाय—जो कठिन और त्रुटिपूर्ण है—शोधकर्ता एक निश्चित, जटिल प्रणाली स्थापित करते हैं जो सूचना के प्रवाह के दौरान स्वाभाविक रूप से जानकारी को संसाधित करती है। इसके बाद, वे बस इस क्वांटम प्रणाली से निकलने वाले परिणामों को पढ़ने के लिए एक मानक कंप्यूटर को प्रशिक्षित करते हैं। यह दृष्टिकोण आकर्षक है क्योंकि यह उस गहरी, जटिल ट्रेनिंग की आवश्यकता को समाप्त करता है जो अक्सर शोर वाले (noisy) हार्डवेयर पर विफल हो जाती है, और इसके बजाय चुनौती को प्रयोग चलाने के लिए सही भौतिक सेटअप खोजने की ओर स्थानांतरित कर देता है।
शोधकर्ताओं की एक टीम ने यह परीक्षण करने के लिए हाथ में लिया कि क्या यह विधि वास्तव में एक बहुत ही व्यावहारिक, वास्तविक दुनिया की समस्या के लिए काम कर सकती है: यह भविष्यवाणी करना कि एक कार बीमा कंपनी को अगले दिन कितने बीमा दावे (claims) प्राप्त होंगे। यह बीमा कंपनियों के लिए एक महत्वपूर्ण कार्य है, जिन्हें दैनिक लागतों के उतार-चढ़ाव के लिए तैयार रहना पड़ता है। शोधकर्ताओं ने अपने पूर्वानुमान इंजन के रूप में छह क्यूबिट्स (क्वांटम सूचना की बुनियादी इकाइयाँ) वाले एक छोटे क्वांटम प्रोसेसर का उपयोग किया। उन्होंने मशीन में सक्रिय कार पॉलिसियों की संख्या, सप्ताह का दिन, क्या कोई छुट्टी है, और पिछले दिन के दावों की संख्या के बारे में डेटा डाला। लक्ष्य यह देखना था कि क्या एक छोटा, शोर वाला क्वांटम सिस्टम, सबसे अच्छे पारंपरिक कंप्यूटर मॉडलों की तरह सटीक रूप से भविष्य के दावों की संख्या की भविष्यवाणी कर सकता है, और इससे भी महत्वपूर्ण बात यह है कि क्या एक वास्तविक, अपूर्ण मशीन पर की गई भविष्यवाणियाँ एक आदर्श कंप्यूटर सिमुलेशन द्वारा की गई भविष्यवाणियों से मेल खाती हैं।
टीम ने अपने क्वांटम सिस्टम के पांच अलग-अलग संस्करणों को डिजाइन करके शुरुआत की, जिनमें से प्रत्येक की आंतरिक संरचना थोड़ी भिन्न थी ताकि यह देखा जा सके कि कौन सा अतीत की जानकारी को सबसे अच्छी तरह याद रखता है। उन्होंने पहले एक आदर्श, शोर-मुक्त सिमुलेशन में इन डिजाइनों का परीक्षण किया। इस आदर्श वातावरण में, क्वांटम मॉडल प्रतिस्पर्धी प्रदर्शन करते दिखे, जिससे त्रुटियां सांख्यिकीय रूप से कई क्लासिकल रिकरेंट और रिज़र्वोयर बेसलाइनों के तुलनीय रहीं, हालांकि मानक रिज रिग्रेशन मॉडल समग्र रूप से सबसे सटीक रहा। क्वांटम सिस्टम दावों की संख्या के दैनिक उतार-चढ़ाव को कई स्थापित तरीकों की तरह ही ट्रैक करने में सक्षम थे, जिससे यह सिद्ध हुआ कि एक छोटा क्वांटम सिस्टम भी इस प्रकार के जटिल, समय-आधारित डेटा को संभाल सकता है।
हालाँकि, असली परीक्षा तब हुई जब शोधकर्ता एक शोध सुविधा में स्थित एक वास्तविक क्वांटम प्रोसेसर से एक आदर्श सिमुलेशन की ओर बढ़े। यह मशीन, उन्नत होने के बावजूद, पूर्ण नहीं है; इसके घटकों में मामूली त्रुटियां हैं, और उनके बीच के संबंध समान नहीं हैं। शोधकर्ताओं ने पाया कि केवल उसी कोड को वास्तविक मशीन पर चलाने से समान परिणाम सुनिश्चित नहीं होते हैं। चिप पर क्वांटम बिट्स को भौतिक रूप से कैसे रखा गया है, यह अत्यधिक मायने रखता है। उन्होंने प्रोसेसर पर डेटा को व्यवस्थित करने के तीन अलग-अलग तरीकों की तुलना की: एक तरीका जिसे मानक सॉफ्टवेयर द्वारा चुना गया था, एक यादृच्छिक (random) व्यवस्था, और एक कस्टम, "हार्डवेयर-जागरूक" (hardware-aware) डिज़ाइन जिसे उन्होंने बनाया था।
इस भौतिक परीक्षण के परिणाम बहुत ही स्पष्ट थे। कस्टम, हार्डवेयर-जागरूक डिज़ाइन ने लगातार मानक सॉफ्टवेयर दृष्टिकोण से बेहतर प्रदर्शन किया। जब शोधकर्ताओं ने अपने सावधानीपूर्वक, अनुकूलित लेआउट का उपयोग किया, तो वास्तविक मशीन और सिमुलेशन के बीच का अंतर छोटा और प्रबंधनीय था। भविष्यवाणियां स्थिर रहीं, और वास्तविक मशीन अपने आदर्श मॉडल से अपने सबसे खराब स्तर पर भी औसतन प्रतिदिन आठ दावों से कम विचलित हुई। इसके विपरीत, मानक सॉफ्टवेयर लेआउट कभी-कभी नाटकीय रूप से विफल हो गया, जिसमें त्रुटियां बढ़कर प्रतिदिन लगभग बारह दावों तक पहुँच गईं, और यादृच्छिक व्यवस्थाएं इतनी अस्थिर थीं कि वे कभी-कभी तीस से अधिक दावों की त्रुटियां उत्पन्न करती थीं, जिससे पूर्वानुमान बेकार हो जाता था। अध्ययन ने दिखाया कि वास्तविक मशीन द्वारा पेश की गई त्रुटियां मुख्य रूप से कुल संख्या में एक सरल बदलाव थीं, न कि कोई अराजक स्थिति, जिसका अर्थ है कि सिस्टम अभी भी दैनिक परिवर्तनों को सही ढंग से ट्रैक कर रहा था, भले ही कुल संख्या थोड़ी गलत हो।
शोधकर्ताओं ने एक सीमा भी पाई जो केवल क्वांटम मॉडलों को ही नहीं, बल्कि सभी मॉडलों को प्रभावित करती थी। जैसे-जैसे परीक्षण अवधि के दौरान बीमा कंपनी बढ़ी और सक्रिय पॉलिसियों की संख्या में उल्लेखनीय वृद्धि हुई, मॉडल दावों की उच्च कुल संख्या की भविष्यवाणी करने में संघर्ष करने लगे। ऐसा इसलिए था क्योंकि मॉडलों को एक छोटे पोर्टफोलियो के डेटा पर प्रशिक्षित किया गया था और उन्हें बहुत बड़े पैमाने पर क्या होगा, इसका अनुमान लगाना था। जबकि पारंपरिक सांख्यिकीय मॉडल ने इस वृद्धि को थोड़ा बेहतर तरीके से संभाला, क्वांटम मॉडल फिर भी दैनिक उतार-चढ़ाव के साथ तालमेल बनाए रखते रहे, जिससे सिद्ध हुआ कि वे क्लासिकल तरीकों के साथ प्रतिस्पर्धा कर सकते हैं, भले ही डेटा उस सीमा से बाहर चला गया हो जिसे उन्होंने पहले देखा था।
अंततः, यह कार्य प्रदर्शित करता है कि क्वांटम कंप्यूटिंग विशिष्ट, वास्तविक दुनिया के पूर्वानुमान कार्यों को संभालने के लिए तैयार है, बशर्ते हार्डवेयर के साथ सावधानी से व्यवहार किया जाए। अध्ययन ने दिखाया कि एक छोटा क्वांटम सिस्टम बीमा दावों की भविष्यवाणी करने के लिए एक क्लासिकल कंप्यूटर जितना ही सटीक हो सकता है, लेकिन केवल तभी जब शोधकर्ता त्रुटियों को कम करने के लिए मशीन के भौतिक लेआउट का सावधानीपूर्वक चयन करें। केवल एक क्वांटम एल्गोरिदम चलाना पर्याप्त नहीं है; आपको उस विशिष्ट हार्डवेयर की बारीकियों को समझना होगा जिस पर वह चलता है। प्रोसेसर की भौतिक वास्तविकता के साथ समस्या को मैप करके, टीम ने यह सुनिश्चित किया कि उनके पूर्वानुमान सिद्धांत से व्यवहार में आने के सफर में सफल रहे, जो इन नाजुक लेकिन शक्तिशाली मशीनों का उपयोग करके रोजमर्रा के व्यावसायिक समस्याओं को हल करने के लिए एक स्पष्ट मार्ग प्रदान करता 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।