কোয়ান্টাম প্রসেসর একটি নিউরাল নেটওয়ার্ক দ্বারা প্রতিস্থাপিত হয়েছে

এটি ক্রমবর্ধমানভাবে স্পষ্ট হয়ে উঠছে যে এটি একটি মুহুর্তের জন্য ঘটবে না যখন কোয়ান্টাম কম্পিউটারগুলি ক্লাসিক্যাল ডিভাইসগুলির থেকে স্পষ্টভাবে উচ্চতর। পরিবর্তে, আমরা দেখব যে তারা সমস্যাগুলির একটি সংকীর্ণ পরিসরের জন্য দরকারী, এবং তারপর ধীরে ধীরে সেখান থেকে একটি ক্রমবর্ধমান গণনামূলক পরিসরে প্রসারিত হবে। প্রশ্নটি স্পষ্টভাবে একটি হয়ে ওঠে যেখানে ইউটিলিটিটি প্রথম প্রদর্শিত হবে।

কোয়ান্টাম কম্পিউটিং এর একটি স্টার্টআপ Rigetti, এখন একটি সাদা কাগজ আছে যা অন্তত তাত্ত্বিকভাবে কোয়ান্টাম যন্ত্রপাতির অবস্থাকে সংজ্ঞায়িত করে। এবং এটি আসলে দরকারী: আবহাওয়া ডেটা বিশ্লেষণ করতে ব্যবহৃত নিউরাল নেটওয়ার্ক প্রতিস্থাপন করতে।

আবহাওয়া কেমন

রিগেটির লোকেদের সমস্যা হল আবহাওয়ার ডেটার আংশিক সেট নেওয়া এবং বাকিগুলি কেমন দেখায় সে সম্পর্কে সিদ্ধান্ত নেওয়া। গ্রহের অনেক এলাকায় ভাল কভারেজ নেই, তাই আমরা শুধুমাত্র স্থানীয় অবস্থা সম্পর্কে আংশিক তথ্য পাই। এবং যদি বাণিজ্যিক বিমানগুলি এই প্রত্যন্ত অঞ্চলগুলির মধ্য দিয়ে যায় তবে আমরা প্রায়শই সেখানকার পরিস্থিতির একটি পূর্ণাঙ্গ চিত্র চাই।

এটি মোকাবেলা করার জন্য, লোকেরা এমন অঞ্চলে নিউরাল নেটওয়ার্কগুলিকে প্রশিক্ষিত করেছে যেখানে আমাদের কাছে আরও সম্পূর্ণ আবহাওয়ার তথ্য রয়েছে। প্রশিক্ষণের পরে, সিস্টেমটি আংশিকভাবে তথ্য দিয়ে খাওয়ানো যেতে পারে এবং বাকিগুলির কী হবে সে সম্পর্কে সিদ্ধান্তে আঁকতে পারে। উদাহরণস্বরূপ, একটি প্রশিক্ষিত সিস্টেম স্যাটেলাইট ক্লাউড ইমেজ এবং বজ্রপাতের মতো জিনিসগুলি ব্যবহার করে একটি সম্ভাব্য আবহাওয়া রাডার মানচিত্র তৈরি করতে পারে।

এই ধরনের কাজ যা নিউরাল নেটওয়ার্কগুলি ভাল করে: প্যাটার্ন সনাক্ত করা এবং পারস্পরিক সম্পর্ক আঁকা।

রিগেট্টির দৃষ্টি আকর্ষণ করে যে নিউরাল নেটওয়ার্কগুলি কোয়ান্টাম প্রসেসরের সাথে ভালভাবে মানিয়ে নেয়। একটি সাধারণ নিউরাল নেটওয়ার্কে, “নিউরন” এর একটি স্তর পরবর্তী স্তরে ফলাফল প্রেরণ করার আগে অপারেশন করে। নেটওয়ার্ক বিভিন্ন স্তরের বিভাগের মধ্যে সংযোগের শক্তি পরিবর্তন করে “শিখে”। একটি কোয়ান্টাম প্রসেসরে, প্রতিটি কিউবিট একটি অপারেশনের সমতুল্য কাজ করতে পারে। কিউবিটগুলিও সংযোগগুলি ভাগ করে এবং সংযোগের শক্তি সামঞ্জস্য করা যায়। সুতরাং, কোয়ান্টাম প্রসেসরে একটি নিউরাল নেটওয়ার্ক বাস্তবায়ন এবং প্রশিক্ষণ দেওয়া সম্ভব।

এটা ভাল হতে পারতো

সুবিধামত, গুগলে কিছু গবেষক আছেন মেট্রিক কাজ করেছে আপনাকে ক্লাসিক্যাল এবং কোয়ান্টাম যন্ত্রপাতিতে ব্যবহৃত AIs তুলনা করতে দেয়। রিগেটি একটি 32-কিউবিক-মিটার কোয়ান্টাম প্রসেসর তৈরি করেছে, তাই এটি তুলনাযোগ্য। এবং এই মেট্রিকের উপর ভিত্তি করে, অন্তত কিছু ক্ষেত্রে আছে যেখানে একটি কোয়ান্টাম সিস্টেম অবশ্যই একটি ক্লাসিক্যাল সিস্টেমের থেকে উচ্চতর হতে হবে।

এই মামলাগুলির সঠিক প্রকৃতি অস্পষ্ট রয়ে গেছে। এইভাবে, গবেষকরা একটি মিশ্র কোয়ান্টাম / ক্লাসিক্যাল সিস্টেমের অংশ হিসাবে একটি কোয়ান্টাম প্রসেসর ব্যবহার করার জন্য বেশ কয়েকটি উপায় পরীক্ষা করেছেন। তারা দেখেছে যে সিস্টেমটি আবহাওয়ার তথ্যের বিভিন্ন দিকগুলির জন্য কমবেশি সফল ছিল। উদাহরণস্বরূপ, বজ্রপাতের ডেটা পুনর্গঠনের জন্য একটি কোয়ান্টাম প্রসেসর ব্যবহার করার সময়, তারা দেখেছে যে এটি নিম্ন উচ্চতায় আরও ভাল কাজ করে, তবে সাধারণত একটি ক্লাসিক্যাল নিউরাল নেটওয়ার্কের সাথে তুলনীয়।

একটি পৃথক পরীক্ষায়, তারা কেবল কিউবিট দিয়ে নিউরাল নেটওয়ার্ক প্রতিস্থাপন করেছে। ইলদিরিমের মতে, কোয়ান্টাম সংস্করণটি ক্লাসিকের চেয়ে উচ্চতর ছিল। যাইহোক, যখন ক্লাসিক্যাল সিস্টেমগুলি স্যাটেলাইট ডেটার বিরুদ্ধে পরীক্ষা করা হয়েছিল তখন টেবিলগুলি পরিবর্তিত হয়েছিল, যা আরও সঠিক ছিল।

এটা লক্ষ করা গুরুত্বপূর্ণ যে কোয়ান্টাম সিস্টেম এই ধরনের বায়ু বিশ্লেষণ সঞ্চালনের জন্য বিদ্যমান পদ্ধতির তুলনায় প্রকৃত কর্মক্ষমতা সুবিধা দেখায়নি; এখানে গুরুত্বপূর্ণ অনুসন্ধান হল যে আরও ভাল পারফরম্যান্স সম্ভব। রিগেটির গবেষকদের মতে, “এই ফলাফলগুলি বাস্তব-বিশ্বের তথ্যের প্রাথমিক প্রমাণ [machine-learning] সমস্যা – এখানে উচ্চ-মাত্রিক আবহাওয়ার ডেটা – কোয়ান্টাম সুবিধার সাথে একটি তাত্ত্বিকভাবে সামঞ্জস্যপূর্ণ কাঠামো থাকতে পারে।”

শালীন ফলাফল সহ একটি কোয়ান্টাম যন্ত্রপাতিতে তাদের বিশ্লেষণের অংশগুলি সম্পাদন করার তাদের ক্ষমতা দেখায় যে এই জাতীয় বিশ্লেষণে কোয়ান্টাম পদ্ধতির একীকরণে কোনও বাধা নেই। যদিও এটি একটি উল্লেখযোগ্য উল্লম্ফন নয়, এটি এক ধরণের কঠোর পরিশ্রম যা কোয়ান্টাম কম্পিউটিং এর সম্ভাব্যতা উপলব্ধি করতে হবে।