क्वांटम कंप्यूटिंग
क्वांटम तकनीक मशीनों की सीखने की प्रक्रिया को तेज कर सकती है
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
वियना विश्वविद्यालय में एक नए प्रयोग ने दिखाया है कि क्वांटम तकनीक मशीनों की सीखने की प्रक्रिया को कैसे तेज कर सकती है। इस कार्य में शामिल भौतिक विज्ञानियों ने एक क्वांटम प्रोसेसर का उपयोग एक रोबोट के रूप में किया।
इस शोध को नेचर में प्रकाशित किया गया है।
क्वांटम कंप्यूटिंग के क्षेत्र में हाल ही में कई महत्वपूर्ण विकास हुए हैं, और इस प्रकार की तकनीक की शक्ति को लगातार महसूस किया जा रहा है। इसके परिणामस्वरूप, इस तकनीक का उपयोग वास्तविक जीवन के अनुप्रयोगों में किया जा रहा है, और अब विशेषज्ञ क्वांटम भौतिकी और एल्गोरिदम के साथ कृत्रिम बुद्धिमत्ता (एआई) और स्वायत्त मशीनों को मिलाना चाहते हैं।
सीखने की प्रक्रिया
इसके लिए, वैज्ञानिक रोबोटों की सीखने की प्रक्रिया में क्वांटम मैकेनिक्स की मदद कैसे ली जा सकती है, इसका अध्ययन कर रहे हैं। कुछ परिणामों से पता चलता है कि रोबोट कैसे तेजी से चल सकते हैं या क्वांटम प्रयोगों में नई सीखने की तकनीकों का उपयोग कैसे किया जा सकता है। हालांकि, तेजी से चलने के बावजूद, रोबोट अभी तक तेजी से सीखने में सक्षम नहीं हुए हैं, जो जटिल स्वायत्त मशीनों के विकास के लिए आवश्यक है।
फिलिप वाल्थर ने वियना विश्वविद्यालय के भौतिक विज्ञानियों की एक अंतरराष्ट्रीय टीम का नेतृत्व किया। उन्हें इंसब्रुक विश्वविद्यालय, ऑस्ट्रियाई विज्ञान अकादमी, लेडेन विश्वविद्यालय और जर्मन एयरोस्पेस सेंटर के सिद्धांतवादियों का समर्थन मिला।
सहयोग ने प्रयोगात्मक रूप से एक रोबोट के सीखने के समय को तेज करने का प्रमाण दिया। टीम ने एकल फोटॉन और एमआईटी द्वारा डिज़ाइन किए गए एक एकीकृत फोटोनिक क्वांटम प्रोसेसर का उपयोग किया। प्रोसेसर का उपयोग एक रोबोट के रूप में किया गया था, जो एकल फोटॉन को एक पूर्वनिर्धारित दिशा में मार्गदर्शन करना सीख रहा था।
वैलेरिया सैगियो प्रकाशन के पहले लेखक हैं।
“प्रयोग से पता चलता है कि सीखने का समय क्वांटम भौतिकी का उपयोग न करने की तुलना में काफी कम हो गया है,” सैगियो कहते हैं।
सुपरपोज़िशन सिद्धांत
रोबोट सही चाल पूरी करने के लिए पुरस्कृत किया जा सकता है। एक क्लासिकल दुनिया में, उदाहरण के लिए, बाएं और दाएं मोड़ के लिए, केवल एक ही चुना जा सकता है और सही है। हालांकि, क्वांटम तकनीक के साथ, रोबोट सुपरपोज़िशन सिद्धांत का उपयोग कर सकता है, जिसका अर्थ है कि यह दोनों मोड़ एक ही समय में ले सकता है।
हैंड ब्रiegel और उनकी टीम ने इंसब्रुक विश्वविद्यालय में क्वांटम लर्निंग एजेंटों पर सैद्धांतिक विचार विकसित किए।
“यह मुख्य विशेषता एक क्वांटम खोज एल्गोरिदम को लागू करने की अनुमति देती है जो सीखने के लिए सही पथ के लिए परीक्षणों की संख्या को कम करता है। इसके परिणामस्वरूप, एक एजेंट जो अपने वातावरण को सुपरपोज़िशन में अन्वेषण कर सकता है, अपने क्लासिकल समकक्ष की तुलना में बहुत तेजी से सीखेगा,” ब्रiegel कहते हैं।
वाल्थर के अनुसार, “हम क्वांटम कृत्रिम बुद्धिमत्ता की संभावनाओं को समझने की शुरुआत में हैं, और इसलिए इस क्षेत्र के विकास में हर नया प्रयोगात्मक परिणाम योगदान करता है, जो वर्तमान में क्वांटम कंप्यूटिंग के लिए सबसे उर्वर क्षेत्रों में से एक माना जाता है।”
