2019 সালে, এটি গুজব ছিল যে Google দ্বারা তৈরি একটি কোয়ান্টাম কম্পিউটার গণনা করেছে যা কোম্পানি দাবি করেছে যে একটি সুপার কম্পিউটারে প্রতিলিপি করা অসম্ভব। এটি সম্পূর্ণ সত্য ছিল না, কারণ Google সুপার কম্পিউটারের জন্য উপলব্ধ মেমরি বিবেচনা করেনি; এটি অন্তর্ভুক্ত করা হলে, কোয়ান্টাম কম্পিউটারের সম্ভাবনা কয়েক দিনের জন্য হ্রাস পায়।
যাইহোক, শুধুমাত্র কয়েকটি অতিরিক্ত qubit যোগ করা কোয়ান্টাম কম্পিউটারের মহান নেতৃত্ব পুনরুদ্ধার করবে। যাইহোক, সম্প্রতি একটি খসড়া পাণ্ডুলিপি আর্কাইভে পোস্ট করা হয়েছে যা একটি সমালোচনামূলক সত্যের দিকে ইঙ্গিত করে: Google-এর দাবিগুলি একটি আদর্শ কম্পিউটিং ডিভাইসে গণনা সম্পাদনের জন্য একটি খুব নির্দিষ্ট পদ্ধতির সাথে তুলনার উপর ভিত্তি করে। গণনা করার অন্যান্য উপায় রয়েছে এবং কাগজটি পরামর্শ দেয় যে তাদের মধ্যে একটি সুপার কম্পিউটারকে তার কোয়ান্টাম প্রতিদ্বন্দ্বীকে ছাড়িয়ে যেতে দেবে।
এলোমেলোভাবে একাধিক উপায়
Google দ্বারা সঞ্চালিত গণনা বিশেষভাবে ডিজাইন করা হয়েছে যাতে একটি নিয়মিত কম্পিউটারে অনুকরণ করা কঠিন। তিনি সিকামোর প্রসেসরের 54 হাত এলোমেলোভাবে স্থাপন করেছিলেন, তারপরে সংলগ্ন কিউবিটের মধ্যে কোয়ান্টাম হস্তক্ষেপকে সময়ের সাথে সিস্টেমের বিবর্তনকে প্রভাবিত করার অনুমতি দিয়েছিলেন। একটি ছোট বিরতির পরে, ডিভাইসটি বারবার গুবিটের অবস্থা পরিমাপ করতে শুরু করে। প্রতিটি পৃথক পরিমাপ এলোমেলো বিটের একটি সিরিজ তৈরি করেছে যা সাইকামোরকে একটি অত্যন্ত ব্যয়বহুল র্যান্ডম নম্বর জেনারেটরে পরিণত করেছে। যাইহোক, যদি পর্যাপ্ত পরিমাপ করা হয়, কোয়ান্টাম হস্তক্ষেপ দ্বারা তৈরি নির্দিষ্ট নিদর্শনগুলি স্পষ্ট হয়ে যায়।
যেহেতু এই কোয়ান্টাম হস্তক্ষেপের নিয়মগুলি বোঝা যায়, তাই সাইকামোর দ্বারা উত্পন্ন এলোমেলো সংখ্যাগুলিতে আমাদের যে নিদর্শনগুলি দেখতে হবে তা গণনা করাও সম্ভব। যাইহোক, এই গণনাগুলি গণনার পরিপ্রেক্ষিতে খুব ব্যয়বহুল এবং সিস্টেমে প্রতিটি অতিরিক্ত কিউবিটের সাথে আরও ব্যয়বহুল হয়ে ওঠে। গুগল ভবিষ্যদ্বাণী করেছে যে এই গণনাগুলি বিশ্বের সবচেয়ে উন্নত সুপার কম্পিউটারগুলিতে সম্পাদন করতে অবাস্তবভাবে দীর্ঘ সময় নেবে।
প্রক্রিয়াটির শুরুতে এই যুক্তির একটি ত্রুটি ছিল যে Google সেই সময়ে বিশ্বের বৃহত্তম সুপার কম্পিউটারে যোগ করা মেমরিকে বিবেচনায় নেয়নি, যা সাইকামোরের নেতৃত্বকে উল্লেখযোগ্যভাবে হ্রাস করবে। কিন্তু বাস্তবতা ছিল ক্লাসিক্যাল ক্যালকুলেটরদের জন্য এই হিসাবগুলো খুবই কঠিন ছিল।
নতুন পাণ্ডুলিপি এই অভিব্যক্তির একটি মূল দিকের উপর দৃষ্টি নিবদ্ধ করে: এই গণনাগুলি। Google তার প্রসেসরের প্রত্যাশিত আচরণ গণনা করার জন্য একটি খুব নির্দিষ্ট উপায় বেছে নিয়েছে, তবে সমতুল্য গণনা করার অন্যান্য উপায় রয়েছে। বছরের পর বছর ধরে, আরও ভাল পারফর্ম করেছে এমন বেশ কয়েকটি বিকল্প অন্বেষণ করা হয়েছে। এখন ফেং প্যান, কেয়াং চেন এবং প্যান ঝাং একটি বিশেষ পদ্ধতি বর্ণনা করে যা একটি GPU-ভিত্তিক ক্লাস্টারকে মাত্র 15 ঘন্টার মধ্যে সমতুল্য ফলাফল তৈরি করতে দেয়। এটি একটি শীর্ষস্থানীয় সুপার কম্পিউটারে চালান এবং এটি সাইকামোর কোয়ান্টাম প্রসেসরকে ছাড়িয়ে যাবে বলে আশা করা হচ্ছে।
কিছু গণিতের বর্ণনা
প্যান, চেন এবং ঝাং কী অর্জন করেছে তা দেখার বিভিন্ন উপায় রয়েছে। আমরা তাদের তিনটি চেষ্টা করব, এবং আমরা গণিতের আরও গভীরে যাব।
এটি দেখার সবচেয়ে সহজ উপায় হল সাইকামোরের দৃষ্টিকোণ থেকে। একটি সাইকামোর প্রসেসরে কিউবিটের অবস্থার স্বতন্ত্র পরিমাপ সত্যিই এলোমেলো এবং শূন্যের একটি সিরিজ তৈরি করেছে, কিন্তু আপনি যদি প্রসেসরের একক প্রাথমিক অবস্থার যথেষ্ট পরিমাপ করেন তবে নিদর্শনগুলি আরও পরিষ্কার হয়ে যাবে। আপনি যদি একটি শাস্ত্রীয় গণনা তৈরি করেন যা সাইকামোর পদার্থবিদ্যার প্রতিলিপি করে, আপনি একই স্তরের এলোমেলোতা এবং একই নিদর্শন পাবেন।
নতুন নথিটি প্রসেসরের আচরণের গণনাকৃত পুনর্গঠনের কিছু বিশ্বস্ততা পরিবর্তন করার একটি উপায়, কিন্তু প্রক্রিয়ায় দ্রুত গণনা পেতে। অন্য কথায়, নতুন গণনাগুলি সিকামোরের আচরণকে সম্পূর্ণরূপে প্রতিফলিত করে না, তবে তারা এখনও নিদর্শন এবং মৌলিক এলোমেলোতা তৈরি করে এবং সেগুলি আরও দ্রুত সম্পন্ন করা যেতে পারে।
এখানে একটি ব্যাখ্যা আছে. এটি বোঝার জন্য, বিকল্প 2 এর মধ্যে বিবেচনা করা হয় কিভাবে সাইকামোর প্রসেসরের শুরুর অবস্থান পরিমাপ বিন্দুতে তার অবস্থানে রূপান্তরিত হয়। সেখানে যাওয়ার অনেকগুলি সম্ভাব্য উপায় রয়েছে এবং এটি কোয়ান্টাম সিস্টেম সহ সেগুলিকে অন্বেষণ করে। সাইকামোর প্রসেসরের আউটপুটের একটি সঠিক মডেল পেতে, আপনাকে গণনার ক্ষেত্রে অত্যন্ত নিবিড় সমস্ত উপায়গুলিও অন্বেষণ করতে হবে। প্যান, চেন এবং ঝাং আপনি যে পথগুলি দেখছেন তা সীমিত করার একটি উপায় খুঁজে পেয়েছেন, যা আপনি সমতুল্য ফলাফল পেলে গণনাকে সহজ করে তোলে।
যারা গণিত এড়াতে চান তাদের এখন পরবর্তী বিভাগে যাওয়া উচিত। প্রকৃত গণনামূলক পদ্ধতি সাইকামোর কিউবগুলির মিথস্ক্রিয়াকে একটি ত্রি-মাত্রিক টেনসর নেটওয়ার্ক হিসাবে বর্ণনা করে, টেনসরগুলি কিউবিটগুলির বৈশিষ্ট্যগুলির মধ্যে সম্পর্ক নির্দেশ করে। অ্যালগরিদম তারপর নেটওয়ার্ক থেকে কিছু সংযোগ বিচ্ছিন্ন করে এটিকে সরল করে – গবেষকরা এটিকে নেটওয়ার্কের মাধ্যমে ত্রিমাত্রিক গর্ত খননের সমতুল্য হিসাবে বর্ণনা করেন।
প্রতিটি গর্ত আপনি ড্রিল করেন তার গণনার নির্ভুলতা অর্ধেক করে। যাইহোক, এটি আনুগত্যকে সম্পূর্ণরূপে নিয়ন্ত্রিত করে: আপনার ড্রিল করা গর্তের সংখ্যা সীমিত করে, আপনি নিশ্চিত করতে পারেন যে আপনার কাছে Sycamore-এর আচরণের পর্যাপ্ত সংকলন রয়েছে। নেটওয়ার্কের মধ্যে এই গর্তগুলি কোথায় ড্রিল করা হয়েছিল তার গণিত সাইকামোর চিপের শারীরিক গঠন দ্বারা নির্ধারিত হয়েছিল।
যদিও গবেষকদের এটিকে সাবটাস্কে ভাঙ্গতে হয়েছিল যা তারা যে সিস্টেমে কাজ করছিলেন তাতে সংরক্ষণ করা যেতে পারে, তবে চুক্তিবদ্ধ টেনসর নেটওয়ার্কের মডেল করা অনেক সহজ ছিল। এবং তারা সাইকামোরে ছোট কিউবিট নেটওয়ার্কের আচরণের মডেল করতে তাদের অ্যালগরিদম ব্যবহার করেছে এবং দেখিয়েছে যে এটি তাদের আনুগত্য সীমার মধ্যে সঠিক ফলাফল দেয়।
