क्वान्टम एआई अल्गोरिदमले हालका सुपरकम्प्युटरलाई पछाडि छोडिसकेको रिपोर्ट

काठमाडौं ।

वैज्ञानिकहरूले क्वान्टम कम्प्युटिङ प्रविधिको प्रयोग गरेर यस्तो मेसिन लर्निङ प्रविधि विकास गरेका छन् जसले परम्परागत कम्प्युटरभन्दा उत्कृष्ट प्रदर्शन गरेको दाबी गरेका छन्।

वैज्ञानिकहरूले यो खोजबारेको अध्ययन जुन २ मा नेचर फोटोनिक्स जर्नलमा प्रकाशित गरेका छन्।

उनीहरूले क्वान्टम फोटोनिक सर्किट र विशेष रूपमा डिजाइन गरिएको मेसिन लर्निङ एल्गोरिदमको प्रयोग गरेका थिए। केवल दुई फोटोन प्रयोग गरेर गरिएको परीक्षणले गति, शुद्धता र दक्षता सबैमा सुधार देखाएको थियो।

वैज्ञानिकहरूका अनुसार यो क्वान्टम मेसिन लर्निङले वास्तविक समस्याहरू समाधान गर्न प्रयोग गरिएको प्रारम्भिक प्रयासहरूमध्ये एक हो, जुन परम्परागत बाइनरी कम्प्युटरले अनुकरण गर्न सक्दैन।

अन्य धेरै क्वान्टम-क्लासिकल प्रविधिहरूले गति वृद्धि गर्नका लागि ‘एन्ट्याङ्गल्ड गेट्स ‘ मा निर्भर गरे पनि यस नयाँ प्रविधिले त्यसको सट्टा ‘फोटोन इन्जेक्शन’ मा भर पर्छ। यसलाई एउटै क्वान्टम बिट (क्युबिट) भएका प्रणालीमा पनि प्रयोग गर्न सकिने वैज्ञानिकहरूको भनाइ छ।

टिमले डाटा वर्गीकरण गर्न फेम्टोसेकेण्ड लेजर (१०⁻¹⁵ सेकेन्डको समयावधिमा प्रकाश उत्सर्जन गर्ने लेजर) प्रयोग गरेर बोरोसिलिकेट गिलासको सतहमा लेखेका थिए। त्यसपछि, फोटोनहरूलाई छवटा फरक तरिकामा सर्किटमा प्रवाह गरियो र ती एक संयुक्त क्वान्टम-बाइनरी प्रणालीबाट प्रशोधन गरिए।

फोटोनहरूलाई सर्किट पार गर्न लागेको समयको आधारमा वैज्ञानिकहरूले कुन प्रक्रियामा क्वान्टम कम्प्युटिङले परम्परागत कम्प्युटिङलाई मात दिएको हो भन्ने छुट्याए। त्यसपछि ती परिणामहरू परम्परागत विधिबाट प्राप्त परिणामहरूसँग तुलना गरियो।

तिनीहरूले फोटोनिक क्वान्टम सर्किट प्रयोग गरेर गरिएको परीक्षण परम्परागत कम्प्युटिङको तुलनामा छिटो, बढी शुद्ध र ऊर्जा-कुशल रहेको पाइयो। यो प्रदर्शन सुधार ‘केर्नल बेस्ड मेशिन लर्निङ’ भनिने विधिमा देखिएको थियो, जसको प्रयोग विभिन्न डाटा वर्गीकरणका क्षेत्रमा गर्न सकिन्छ।

यद्यपि विगत दशकमा ‘डीप न्युरल नेटवर्क्स’ को प्रयोग व्यापक भएको हो, ‘केर्नल बेस्ड’ प्रणालीहरू पछिल्ला वर्षहरूमा विशेषतः साना डाटासेटमा काम गर्दा हुने लाभका कारण पुनः लोकप्रिय हुँदै गइरहेका छन्।

वैज्ञानिकहरूको भनाइ अनुसार यो प्रविधिले ‘नेचुरल ल्याङ्ग्वेज प्रोसेसिङ’ र अन्य सुपरिवेक्षित सिकाइ मोडलहरूमा अझ प्रभावकारी अल्गोरिदम विकासमा सहयोग पुर्‍याउन सक्छ।

साथै, अध्ययनले हाइब्रिड कम्प्युटर प्रणालीमा कुन काममा क्वान्टम कम्प्युटरहरू सक्षम छन् भनेर छुट्याउने नयाँ तरिका पनि देखाएको छ।

लाइभसाइन्सका अनुसार वैज्ञानिकहरूले प्रयोग गरिएको प्रविधि स्केलेबल रहेको र भविष्यमा फोटोन वा क्युबिटको संख्या बढेसँगै अझ उच्च प्रदर्शन प्राप्त गर्न सकिने बताएका छन्। यसले हालको मेसिन लर्निङ मोडेलहरूको सिमा पार गर्ने सम्भावना खोल्नेछ, जुन अहिलेको विद्युतीय डाटा प्रशोधन प्रणालीहरूमा अत्यधिक ऊर्जा खपतको समस्याबाट ग्रसित छन्।

अनुसन्धानकर्ताहरूको दाबी अनुसार, यो प्रविधिले “फोटोनिक प्रोसेसर प्रयोग गरेर परम्परागत मेसिन लर्निङ विधिको प्रदर्शन सुधार गर्न सकिने हाइब्रिड विधिहरूको ढोका खोल्नेछ।”