क्वांटम कंप्यूटिंग
क्वांटम प्रौद्योगिकी मशीनों की सीखने की प्रक्रिया को तेज कर सकती है
वियना विश्वविद्यालय में एक नए प्रयोग से पता चला कि क्वांटम तकनीक मशीनों की सीखने की प्रक्रिया को कैसे तेज कर सकती है। कार्य में शामिल भौतिकविदों ने रोबोट के रूप में एकल फोटॉन के लिए क्वांटम प्रोसेसर का उपयोग किया।
शोध में प्रकाशित किया गया था प्रकृति.
क्वांटम कंप्यूटिंग के क्षेत्र में हाल ही में बड़े विकास हुए हैं, और ऐसी प्रौद्योगिकियों की शक्ति का लगातार एहसास किया जा रहा है। इससे प्रौद्योगिकी का उपयोग वास्तविक जीवन के अनुप्रयोगों में होने लगा है और अब विशेषज्ञ कृत्रिम बुद्धिमत्ता (एआई) और स्वायत्त मशीनों को क्वांटम भौतिकी और एल्गोरिदम के साथ मिलाना चाहते हैं।
सिखने की प्रक्रिया
इसे प्राप्त करने के लिए, वैज्ञानिक इस बात पर गौर कर रहे हैं कि क्वांटम यांत्रिकी रोबोट की सीखने की प्रक्रिया में कैसे मदद कर सकती है, और इसके विपरीत। कुछ परिणामों से पता चला है कि रोबोट कैसे तेजी से आगे बढ़ सकते हैं या क्वांटम प्रयोग नई शिक्षण तकनीकों का उपयोग कैसे कर सकते हैं। तेज़ गति से चलने के बावजूद, रोबोट अभी भी तेज़ी से सीखने में सक्षम नहीं हैं, जो जटिल स्वायत्त मशीनों के विकास के लिए आवश्यक है।
फिलिप वाल्थर ने विश्वविद्यालय में भौतिकविदों की एक टीम के नेतृत्व में एक अंतरराष्ट्रीय प्रयास का नेतृत्व किया। उनके साथ इंसब्रुक विश्वविद्यालय, ऑस्ट्रियाई विज्ञान अकादमी, लीडेन विश्वविद्यालय और जर्मन एयरोस्पेस सेंटर के सिद्धांतकार शामिल हुए।
यह सहयोग प्रयोगात्मक रूप से रोबोट के सीखने के समय की गति को साबित करने में सफल रहा। टीम ने एकल फोटॉन और एमआईटी द्वारा डिजाइन किए गए एक एकीकृत फोटोनिक क्वांटम प्रोसेसर पर भरोसा किया। प्रोसेसर का उपयोग एक रोबोट के रूप में किया गया था, जो एकल फोटॉन को पूर्वनिर्धारित दिशा में रूट करना सीखता था।
वेलेरिया सैगियो प्रकाशन के पहले लेखक हैं।
सैगियो कहते हैं, "प्रयोग यह दिखा सकता है कि सीखने का समय उस मामले की तुलना में काफी कम हो गया है जहां क्वांटम भौतिकी का उपयोग नहीं किया जाता है।"
सुपरपोज़िशन सिद्धांत
रोबोट सही चाल पूरी करने पर पुरस्कृत होकर सीख सकता है। शास्त्रीय दुनिया में, उदाहरण के लिए बाएँ और दाएँ मोड़ के साथ, केवल एक को चुना और सही किया जा सकता है। हालाँकि, क्वांटम तकनीक के साथ, रोबोट सुपरपोज़िशन सिद्धांत का उपयोग करने में सक्षम है, जिसका अर्थ है कि यह एक ही समय में दोनों मोड़ ले सकता है।
इंसब्रुक विश्वविद्यालय में हैंड ब्रिगेल और उनकी टीम ने क्वांटम लर्निंग एजेंटों पर सैद्धांतिक विचार विकसित किए।
“यह प्रमुख विशेषता क्वांटम खोज एल्गोरिदम के कार्यान्वयन को सक्षम बनाती है जो सही पथ सीखने के लिए परीक्षणों की संख्या को कम करती है। परिणामस्वरूप, एक एजेंट जो सुपरपोज़िशन में अपने पर्यावरण का पता लगा सकता है, वह अपने शास्त्रीय समकक्ष की तुलना में काफी तेजी से सीखेगा, ”ब्रीगेल कहते हैं।
वाल्थर के अनुसार, "हम अभी क्वांटम कृत्रिम बुद्धिमत्ता की संभावनाओं को समझने की शुरुआत में हैं और इस प्रकार प्रत्येक नया प्रयोगात्मक परिणाम इस क्षेत्र के विकास में योगदान देता है, जिसे वर्तमान में क्वांटम कंप्यूटिंग के लिए सबसे उपजाऊ क्षेत्रों में से एक के रूप में देखा जाता है।"
