Towards Quantum Decision Intelligence: A Four-Qubit Architecture for Venture Capital's Non-Linear Dilemmas on a 156-Qubit IBM Heron Processor
यह शोध पत्र HQDIS प्रस्तुत करता है, जो वेंचर कैपिटल स्क्रीनिंग के लिए IBM के 156-qubit हेरोन (Heron) प्रोसेसर पर परीक्षित एक चार-qubit वेरिएशनल क्वांटम सर्किट है, जो एक छोटे सिंथेटिक बेंचमार्क पर उच्च हार्डवेयर-सिमुलेशन फिडेलिटी और शास्त्रीय मॉडलों के तुलनीय प्रदर्शन प्रदर्शित करता है, हालांकि यह दूसरे सिंथेटिक डेटासेट पर शास्त्रीय एल्गोरिदम द्वारा पीछे छोड़ दिया जाता है, जो इस डोमेन में क्वांटम लाभ की वर्तमान सीमाओं को उजागर करता है।
मूल पेपर CC BY 4.0 (https://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
नई तकनीक से पैसा कमाना व्यावसायिक दुनिया के सबसे कठिन कार्यों में से एक है। जब निवेशक किसी ऐसे स्टार्टअप को देखते हैं जिसके पास एक शानदार विचार तो है लेकिन कोई बिक्री और कोई इतिहास नहीं है, तो वे उस मानक गणित का उपयोग नहीं कर सकते जो स्थापित कंपनियों के लिए काम करता है। वहां गणना करने के लिए पिछले लाभ नहीं होते, और हो सकता है कि बाजार अभी अस्तित्व में भी न हो। इसके बजाय, निवेशकों को अमूर्त चीजों के बारे में अपनी अंतरात्मा की आवाज (gut feelings) पर भरोसा करना पड़ता है: क्या टीम ईमानदार है? क्या तकनीक वास्तविक है? क्या संस्थापक आलोचना झेल सकते हैं? ये निर्णय अक्सर जटिल समझौतों (trade-offs) से जुड़े होते हैं जहाँ एक बेहतरीन टीम एक जोखिम भरे उत्पाद की भरपाई कर सकती है, या एक बेईमान संस्थापक एक आदर्श विचार को तुरंत खत्म कर सकता है। दशकों से, शोधकर्ताओं ने इस काम में मदद करने के लिए कंप्यूटर मॉडल बनाने की कोशिश की है, लेकिन मानक कंप्यूटर इन उलझे हुए, गैर-रेखीय (non-linear) मानवीय निर्णयों को पकड़ने में संघर्ष करते हैं और भ्रमित हो जाते हैं या सरल गलतियाँ कर देते हैं।
एक नया अध्ययन यह पता लगाता है कि क्या एक अलग तरह का कंप्यूटर, जो क्वांटम भौतिकी के अजीब नियमों का उपयोग करता है, इन पेचीदा निर्णयों को बेहतर तरीके से संभाल सकता है। क्वांटम कंप्यूटर केवल एक सीधी रेखा में नंबरों की गणना नहीं करते; वे एक साथ कई संभावनाओं को रख सकते हैं और उन्हें इस तरह से परस्पर क्रिया (interact) करने दे सकते हैं जो मानव मस्तिष्क द्वारा परस्पर विरोधी कारकों को तौलने के तरीके की नकल करते हैं। शोधकर्ताओं ने एक छोटा, विशिष्ट मॉडल बनाया यह देखने के लिए कि क्या यह दृष्टिकोण वास्तविक दुनिया में काम कर सकता है। उन्होंने इसे वास्तविक कंपनियों के विशाल डेटाबेस पर टेस्ट नहीं किया, क्योंकि ऐसा डेटा अक्सर गुप्त या उपयोग करने के लिए बहुत अव्यवस्थित होता है। इसके बजाय, उन्होंने काल्पनिक निवेश परिदृश्यों का एक सावधानीपूर्वक तैयार किया गया सेट बनाया जो दशकों के व्यावसायिक अनुसंधान में वर्णित कठिन विकल्पों का सटीक प्रतिनिधित्व करता था। फिर उन्होंने अपने क्वांटम मॉडल को इन परिदृश्यों के विरुद्ध चलाया और परिणामों की तुलना आज के सर्वश्रेष्ठ मानक कंप्यूटर प्रोग्रामों से की।
एन्रिक डियाज़ डी लियोन लोपेज़ के नेतृत्व वाली टीम ने HQDIS नामक एक प्रणाली डिजाइन की। यह एक बहुत छोटा क्वांटम सर्किट है, जो चार मुख्य कारकों का प्रतिनिधित्व करने के लिए केवल चार क्वांटम बिट्स, या क्यूबिट्स (qubits) का उपयोग करता है: तकनीक की तत्परता, संस्थापक की विश्वसनीयता, बाजार की उपयुक्तता और सफलता के शुरुआती संकेत। शोधकर्ताओं को मशीन को प्रोग्राम करने में बहुत सावधान रहना पड़ा। शुरुआती परीक्षणों में, उन्होंने पाया कि जब कोई स्टार्टअप कागज पर एकदम सटीक दिखता था, तो क्वांटम गणित कभी-कभी परिणाम को उलट देता था, जिससे उन्हें एक बेहतरीन विचार को अस्वीकार करने का निर्देश मिलता था। उन्होंने एक विशिष्ट गणितीय त्रुटि (glitch) का पता लगाया जिसके कारण ऐसा होता था और मशीन में सूचना दर्ज करने के तरीके को समायोजित करके इसे ठीक किया, जिससे यह सुनिश्चित हुआ कि बेहतर स्कोर हमेशा फंडिंग की बेहतर संभावनाओं की ओर ले जाएं।
एक बार मॉडल कैलिब्रेट होने के बाद, शोधकर्ताओं ने इसे परीक्षण के लिए रखा। उन्होंने 45 परिदृश्यों को क्वांटम प्रणाली के माध्यम से चलाया और अपने निर्णयों की तुलना तीन मानक कंप्यूटर विधियों से की: एक सरल रैखिक कैलकुलेटर (linear calculator), एक रैंडम फॉरेस्ट ऑफ डिसीजन ट्रीज़, और एक ग्रेडिएंट बूस्टिंग एल्गोरिदम। क्वांटम मॉडल ने उल्लेखनीय रूप से अच्छा प्रदर्शन किया, और लगभग 80% बार सही उत्तर दिया। यह जटिल ट्री-आधारित प्रोग्रामों के प्रदर्शन के समान ही था, जो पैटर्न पहचानने में बहुत अच्छे माने जाते हैं। दिलचस्प बात यह है कि एक सरल रैखिक कैलकुलेटर ने इस विशिष्ट परीक्षण में थोड़ा अधिक स्कोर किया, हालांकि अंतर इतना बड़ा नहीं था कि यह निश्चित रूप से कहा जा सके कि वह बेहतर था। मुख्य निष्कर्ष यह था कि छोटा क्वांटम मॉडल केवल कुछ समायोज्य सेटिंग्स का उपयोग करके बहुत बड़े और अधिक जटिल सिस्टम के प्रदर्शन का मुकाबला कर सकता है।
यह साबित करने के लिए कि यह केवल एक सिमुलेशन नहीं है, टीम ने अपने मॉडल को एक वास्तविक क्वांटम कंप्यूटर पर ले लिया। उन्होंने IBM का एक 156-qubits प्रोसेसर इस्तेमाल किया, जो एक शक्तिशाली मशीन है जो आज प्रयोगशाला में मौजूद है। उन्होंने सभी 45 मामलों को भौतिक हार्डवेयर पर भेजा और देखा कि मशीन ने वास्तविक क्वांटम उपकरणों में स्वाभाविक रूप से होने वाले शोर (noise) और हस्तक्षेप को कैसे संभाला। परिणाम आश्चर्यजनक थे। भौतिक मशीन ने 93% मामलों में सही निर्णय लिया, और उसके विकल्प पूर्ण सिमुलेशन से 98% बार मेल खाते थे। इससे पता चला कि मॉडल वास्तविक क्वांटम प्रोसेसर की अपूर्ण स्थितियों में भी जीवित रहने के लिए पर्याप्त मजबूत था। शोधकर्ताओं ने यह भी प्रदर्शित किया कि इस प्रणाली का ऑडिट किया जा सकता है। वे एक एकल सीमावर्ती मामले (borderline case) को ले सकते थे और धीरे-धीरे एक कारक, जैसे संस्थापक का अनुभव, को बदल सकते थे ताकि यह देख सकें कि निर्णय कहाँ "अस्वीकार" से बदलकर "फंड" में परिवर्तित हुआ। पारदर्शिता का यह स्तर आधुनिक आर्टिफिशियल इंटेलिजेंस सिस्टमों को प्रदान करना कठिन होता है।
हालाँकि, इस अध्ययन ने इस तकनीक की सीमाओं को भी उजागर किया। शोधकर्ताओं ने 500 काल्पनिक मामलों का एक दूसरा सेट बनाया जो विशेष रूप से अत्यंत कठिन और गैर-रेखीय होने के लिए डिज़ाइन किया गया था, ऐसे समस्याएँ जहाँ क्वांटम कंप्यूटर को चमकना चाहिए। इस कठिन परीक्षण में, क्वांटम मॉडल जीत नहीं सका। यह मानक ट्री-आधारित कंप्यूटर प्रोग्राम द्वारा काफी पीछे छोड़ दिया गया, और इसने सरल रैखिक कैलकुलेटर को भी नहीं हराया। क्वांटम मॉडल ने सर्वोत्तम अवसरों को रैंक करने में एक मामूली बढ़त दिखाई, लेकिन यह पारंपरिक तरीकों की तुलना में अधिक सही निर्णय नहीं ले सका। यह सुझाव देता है कि हालांकि क्वांटम दृष्टिकोण व्यवहार्य है और कुछ प्रकार की समस्याओं पर वर्तमान तकनीक का मुकाबला कर सकता है, लेकिन इसने अभी तक एक स्पष्ट लाभ नहीं पाया है जहाँ यह सर्वश्रेष्ठ पारंपरिक उपकरणों को हरा सके।
इस कार्य का मूल्य अचानक भविष्यवाणी में किसी बड़ी सफलता में नहीं, बल्कि इसमें है कि यह आज क्या संभव है, इसे सिद्ध करता है। शोधकर्ताओं ने दिखाया कि एक क्वांटम निर्णय प्रणाली बनाई जा सकती है, इसे विशिष्ट त्रुटियों से बचने के लिए ट्यून किया जा सकता है, और उच्च सटीकता के साथ वास्तविक हार्डवेयर पर चलाया जा सकता है। उन्होंने यह भी दिखाया कि ये प्रणालियाँ एक स्पष्ट, ऑडिट योग्य मार्ग प्रदान कर सकती हैं कि निर्णय कैसे लिया गया, जो उन निवेशकों के लिए महत्वपूर्ण है जिन्हें बोर्ड और नियामकों को अपने चुनाव समझाने की आवश्यकता होती है। अध्ययन निष्कर्ष निकालता है कि हालांकि क्वांटम निर्णय इंटेलिजेंस अभी तक कोई जादुई समाधान (magic bullet) नहीं है जो सभी निवेश दुविधाओं को हल कर दे, लेकिन यह एक कार्यात्मक उपकरण है जो विकास के अगले चरण के लिए तैयार है। यह जटिल विकल्पों के बारे में सोचने का एक नया तरीका प्रदान करता है, जो मानव निर्णय की जटिल और गैर-रेखीय प्रकृति का सम्मान करता है और उपलब्ध सबसे उन्नत हार्डवेयर पर चलता 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।