शोधकर्ता ने क्वांटम डिवाइसों के सत्यापन के लिए एक नए तरह के एल्गोरिदम का निर्माण किया

टोक्यो विश्वविद्यालय के शोधकर्ताओं ने मशीन लर्निंग का उपयोग करके एक नए तरह के एल्गोरिदम का निर्माण किया है जो क्वांटम डिवाइसों के सत्यापन को कुशलता से और सटीक रूप से करने में सक्षम बनाता है। क्वांटम यांत्रिक व्यवहार पर आधारित प्रौद्योगिकियां तेजी से लोकप्रिय हो रही हैं, और उन्हें उनकी अंतर्निहित अनिश्चितताओं के कारण सत्यापन की आवश्यकता है।

इस शोध को एपीएस फिजिक्स में प्रकाशित किया गया है।

एक क्वांटम इंटरनेट

अधिकांश विशेषज्ञों का मानना है कि क्वांटम कंप्यूटर अभी भी अपने शुरुआती चरण में हैं, लेकिन एक क्वांटम इंटरनेट अधिक उन्नत और वर्तमान के करीब है। इसके लिए, क्वांटम डिवाइसों के डिजाइन के लिए कई और अधिक उपकरणों की आवश्यकता होगी।

इन महत्वपूर्ण उपकरणों में से एक क्वांटम डिवाइसों को सत्यापित करने वाला एल्गोरिदम है। इसे टोक्यो विश्वविद्यालय के स्नातक स्कूल ऑफ इंफॉर्मेशन साइंस एंड टेक्नोलॉजी से पोस्टडॉक्टरल शोधकर्ता क्वोक होआन ट्रान और एसोसिएट प्रोफेसर कोहेई नाकाजिमा द्वारा विकसित किया गया था।

शोधकर्ताओं के अनुसार, यह उपकरण क्वांटम डिवाइसों के व्यवहार को सत्यापित करने को अधिक कुशल और सटीक बना सकता है। यह एल्गोरिदम समय-निर्भर क्वांटम डिवाइस के कार्यों को पुनर्निर्माण कर सकता है, और यह क्वांटम इनपुट और आउटपुट के बीच संबंध को सीखकर ऐसा करता है।

“क्वांटम प्रक्रिया टोमोग्राफी नामक तकनीक का उपयोग क्वांटम सिस्टम को उसके इनपुट और आउटपुट के आधार पर वर्णित करने के लिए किया जाता है,” ट्रान ने कहा। “हालांकि, कई शोधकर्ता अब रिपोर्ट करते हैं कि उनके क्वांटम सिस्टम में कुछ प्रकार के मेमोरी प्रभाव होते हैं जहां वर्तमान राज्य पिछले लोगों से प्रभावित होते हैं। इसका मतलब है कि इनपुट और आउटपुट राज्यों का सरल निरीक्षण प्रणाली के समय-निर्भर स्वभाव को वर्णित नहीं कर सकता है। आप प्रत्येक परिवर्तन के बाद प्रणाली को बार-बार मॉडल कर सकते हैं, लेकिन यह बहुत कम्प्यूटेशनल रूप से अक्षम होगा। हमारा उद्देश्य इस मेमोरी प्रभाव को अपनाना और इसका लाभ उठाना था, न कि इसे दूर करने के लिए जोरदार प्रयास करना।”

एल्गोरिदम का निर्माण

एल्गोरिदम का निर्माण करने के लिए, टीम ने मशीन लर्निंग और क्वांटम रिजर्वोयर कंप्यूटिंग नामक तकनीक का उपयोग किया। क्वांटम सिस्टम में समय के साथ बदलते इनपुट और आउटपुट सीखकर, यह पैटर्न कैसे बदलेंगे इसका अनुमान लगा सकता है। यह उन स्थितियों में भी भविष्यवाणी कर सकता है जो अभी तक देखी नहीं गई हैं।

“वर्तमान में, हमारा एल्गोरिदम एक निश्चित प्रकार के क्वांटम सिस्टम को अनुकरण कर सकता है, लेकिन कल्पनात्मक उपकरणों में प्रसंस्करण क्षमता और मेमोरी प्रभाव में बहुत भिन्नता हो सकती है। इसलिए, हमारे एल्गोरिदम की क्षमताओं को व्यापक बनाने के लिए अगले चरण का शोध होगा, मूल रूप से कुछ अधिक सामान्य उद्देश्य और इसलिए अधिक उपयोगी बनाने के लिए,” ट्रान ने कहा। “मैं क्वांटम मशीन लर्निंग विधियों से क्या हो सकता है, जिन संभावित उपकरणों की ओर वे ले जा सकते हैं, उससे उत्साहित हूं।”