লস আলামোস দাবি করেছে কোয়ান্টাম মেশিন লার্নিং ব্রেকথ্রু: অল্প পরিমাণ ডেটা সহ প্রশিক্ষণ

Researchers at Los Alamos National Laboratory today announced a in quantum machine learning “proof” they say shows that raining a quantum neural network requires only a small amount of data, “(upending) previous assumptions stemming from classical computing’s huge appetite for data in machine learning, or artificial intelligence.”

ল্যাবটি বলেছে যে উপপাদ্যটির সরাসরি প্রয়োগ রয়েছে, যার মধ্যে রয়েছে কোয়ান্টাম কম্পিউটারের জন্য আরও দক্ষ কম্পাইলিং এবং উপাদান আবিষ্কারের জন্য পদার্থের পৃথক পর্যায়গুলি।

"অনেক মানুষ বিশ্বাস করেন যে কোয়ান্টাম মেশিন লার্নিং এর জন্য প্রচুর ডেটার প্রয়োজন হবে," বলেছেন লুকাস সিনসিও (T-4), একজন লস আলামোস কোয়ান্টাম তত্ত্ববিদ এবং 23 আগস্ট জার্নালে প্রকাশিত প্রমাণ সম্বলিত গবেষণাপত্রের সহ-লেখক। প্রকৃতি যোগাযোগ. “আমরা কঠোরভাবে দেখিয়েছি যে অনেক প্রাসঙ্গিক সমস্যার জন্য, এটি এমন নয়।

কাগজটি, কয়েকটি প্রশিক্ষণ ডেটা থেকে কোয়ান্টাম মেশিন লার্নিংয়ে সাধারণীকরণ, ম্যাথিয়াস সি. ক্যারো, সিন-ইয়ুয়ান হুয়াং, সেরেজো, কুনাল শর্মা, সর্নবর্গার, প্যাট্রিক কোলস এবং সিনসিওর দ্বারা।

"এটি কোয়ান্টাম মেশিন লার্নিংয়ের জন্য নতুন আশা প্রদান করে," তিনি বলেছিলেন। "আমরা আজকে যা আছে এবং কোয়ান্টাম সুবিধার জন্য যা প্রয়োজন তার মধ্যে ব্যবধান বন্ধ করছি, যখন কোয়ান্টাম কম্পিউটার ক্লাসিক্যাল কম্পিউটারকে ছাড়িয়ে যায়।""

এআই সিস্টেমের নিউরাল নেটওয়ার্কগুলিকে চিনতে প্রশিক্ষিত করার জন্য ডেটার প্রয়োজন হয় - প্রকৃত অ্যাপ্লিকেশনগুলিতে অদেখা ডেটা চিনতে — সাধারণীকরণ করতে৷ এটি ধরে নেওয়া হয়েছিল যে প্যারামিটার বা ভেরিয়েবলের সংখ্যা হিলবার্ট স্পেস নামক একটি গাণিতিক নির্মাণের আকার দ্বারা নির্ধারিত হবে, যা প্রচুর পরিমাণে কিউবিটগুলির প্রশিক্ষণের জন্য দ্রুতগতিতে বড় হয়ে ওঠে, লস আলামোস তার ঘোষণায় বলেছে। এই আকারটি এই পদ্ধতিটিকে গণনাগতভাবে প্রায় অসম্ভব করে তুলেছে।

"বড় ডেটা সেটের প্রয়োজনীয়তা কোয়ান্টাম এআই-এর জন্য একটি বাধা হতে পারে, কিন্তু আমাদের কাজ এই বাধাকে সরিয়ে দেয়। যদিও কোয়ান্টাম এআই-এর অন্যান্য সমস্যাগুলি এখনও বিদ্যমান থাকতে পারে, অন্তত এখন আমরা জানি যে ডেটা সেটের আকার কোনও সমস্যা নয়, "ল্যাবের কোয়ান্টাম তত্ত্ববিদ এবং কাগজের সহ-লেখক কোলস (টি-4) বলেছেন।

"হিলবার্ট স্পেস কতটা বিস্তৃত তা কল্পনা করা কঠিন: আপনার কাছে মাত্র 30 টি কিউবিট থাকলেও এক বিলিয়ন রাজ্যের একটি স্থান," কোলস বলেছিলেন। "কোয়ান্টাম এআই-এর প্রশিক্ষণ প্রক্রিয়া এই বিশাল স্থানের ভিতরে ঘটে। আপনি ভাবতে পারেন যে এই স্থানটি অনুসন্ধান করার জন্য আপনাকে গাইড করার জন্য এক বিলিয়ন ডেটা পয়েন্টের প্রয়োজন হবে। কিন্তু আমরা দেখিয়েছি যে আপনার মডেলের প্যারামিটারের সংখ্যার মতো আপনার শুধুমাত্র যতগুলি ডেটা পয়েন্ট দরকার। এটি প্রায়শই কিউবিট সংখ্যার সমান - তাই প্রায় 30 ডেটা পয়েন্ট, "কোলস বলেছিলেন।

ফলাফলের একটি মূল দিক, সিনসিও বলেন, তারা কোয়ান্টাম এআই মডেল অনুকরণ করে এমন ক্লাসিক্যাল অ্যালগরিদমের জন্যও দক্ষতার গ্যারান্টি দেয়, তাই প্রশিক্ষণের ডেটা এবং সংকলন প্রায়শই একটি ক্লাসিক্যাল কম্পিউটারে পরিচালনা করা যেতে পারে, যা প্রক্রিয়াটিকে সহজ করে। তারপর মেশিন-লার্নড মডেলটি কোয়ান্টাম কম্পিউটারে চলে।

"এর মানে আমরা কোয়ান্টাম কম্পিউটার থেকে শব্দ এবং ত্রুটির ক্ষেত্রে, অর্থপূর্ণ কোয়ান্টাম সিমুলেশনগুলি সম্পাদন করার জন্য আমাদের প্রয়োজনীয় কর্মক্ষমতা মানের জন্য প্রয়োজনীয়তা কম করতে পারি, যা কোয়ান্টাম সুবিধাকে বাস্তবের কাছাকাছি এবং কাছাকাছি ঠেলে দেয়," সিনসিও বলেছিলেন।

নতুন প্রমাণের ফলে স্পীডআপের নাটকীয় ব্যবহারিক প্রয়োগ রয়েছে। দলটি খুঁজে পেয়েছে যে তারা গ্যারান্টি দিতে পারে যে একটি কোয়ান্টাম মডেল কম্পাইল করা যেতে পারে বা কোয়ান্টাম কম্পিউটারে প্রক্রিয়াকরণের জন্য প্রস্তুত করা যেতে পারে, ডেটার পরিমাণের তুলনায় অনেক কম গণনামূলক গেটে। কম্পাইলিং, কোয়ান্টাম কম্পিউটিং শিল্পের জন্য একটি গুরুত্বপূর্ণ অ্যাপ্লিকেশন, অপারেশনাল গেটগুলির একটি দীর্ঘ ক্রম সঙ্কুচিত করতে পারে বা একটি সিস্টেমের কোয়ান্টাম গতিবিদ্যাকে একটি গেট সিকোয়েন্সে পরিণত করতে পারে।

"আমাদের উপপাদ্য কোয়ান্টাম কম্পিউটিং এর জন্য অনেক ভাল সংকলন সরঞ্জামের দিকে পরিচালিত করবে," সিনসিও বলেছেন। "বিশেষ করে আজকের কোলাহলপূর্ণ, মধ্যবর্তী-স্কেল কোয়ান্টাম কম্পিউটারগুলির সাথে যেখানে প্রতিটি গেট গণনা করা হয়, আপনি যতটা সম্ভব কম গেট ব্যবহার করতে চান যাতে আপনি খুব বেশি শব্দ না করেন, যা ত্রুটি সৃষ্টি করে।"

দলটি আরও দেখিয়েছে যে একটি কোয়ান্টাম এআই একটি খুব ছোট ডেটা সেটের প্রশিক্ষণের পরে একটি ফেজ ট্রানজিশন জুড়ে কোয়ান্টাম রাজ্যগুলিকে শ্রেণীবদ্ধ করতে পারে, লস আলামোস বলেছেন।

ল্যাবরেটরির কোয়ান্টাম সায়েন্স সেন্টারের পরিচালক এবং গবেষণাগারের সহ-লেখক অ্যান্ড্রু সর্নবার্গার (সিসিএস-৩) বলেছেন, "কোয়ান্টাম পদার্থের পর্যায়গুলিকে শ্রেণীবদ্ধ করা উপাদান বিজ্ঞানের জন্য গুরুত্বপূর্ণ এবং লস আলামোসের মিশনের সাথে প্রাসঙ্গিক।" "এই উপকরণগুলি জটিল, সুপারকন্ডাক্টিং এবং চৌম্বকীয় পর্যায়গুলির মতো একাধিক স্বতন্ত্র পর্যায় রয়েছে।"

কাঙ্খিত বৈশিষ্ট্যের সাথে উপকরণ তৈরি করা, যেমন সুপারকন্ডাক্টিভিটি, ফেজ ডায়াগ্রাম বোঝার সাথে জড়িত, সর্নবর্গার বলেন, দলটি প্রমাণ করেছে যে ন্যূনতম প্রশিক্ষণ সহ একটি মেশিন-লার্নিং সিস্টেম দ্বারা আবিষ্কার করা যেতে পারে।

নতুন উপপাদ্যের অন্যান্য সম্ভাব্য প্রয়োগের মধ্যে রয়েছে কোয়ান্টাম ত্রুটি সংশোধনকারী কোড এবং কোয়ান্টাম গতিশীল সিমুলেশন শেখা।

কোয়ান্টাম মেশিন লার্নিং এর লস আলামোস বিশেষজ্ঞ মার্কো সেরেজো (CCS-3) বলেছেন, "নতুন পদ্ধতির কার্যকারিতা আমাদের প্রত্যাশা ছাড়িয়ে গেছে।" "আমরা খুব কম প্রশিক্ষণ পয়েন্ট সহ কয়েক মিনিটের মধ্যে নির্দিষ্ট, খুব বড় কোয়ান্টাম অপারেশনগুলি কম্পাইল করতে পারি - এমন কিছু যা আগে সম্ভব ছিল না।"

"দীর্ঘ সময়ের জন্য, আমরা বিশ্বাস করতে পারিনি যে পদ্ধতিটি এত দক্ষতার সাথে কাজ করবে," সিনসিও বলেছিলেন। “কম্পাইলারের সাথে, আমাদের সংখ্যাগত বিশ্লেষণ দেখায় যে এটি আমরা প্রমাণ করতে পারি তার চেয়েও ভাল। আমাদের সম্ভব বিলিয়ন রাজ্যের মধ্যে অল্প সংখ্যক রাজ্যে প্রশিক্ষণ নিতে হবে। আমাদের প্রতিটি বিকল্প চেক করতে হবে না, তবে মাত্র কয়েকটি। এটি প্রশিক্ষণকে অত্যন্ত সহজ করে তোলে।"

দ্য ফান্ডিং (শুধুমাত্র লস আলামোস সহ-লেখক): লস আলামোস ন্যাশনাল ল্যাবরেটরিতে এএসসি বিয়ন্ড মুরের আইন প্রকল্প; ইউএস ডিপার্টমেন্ট অফ এনার্জি অফিস অফ সায়েন্স, অফিস অফ অ্যাডভান্সড সায়েন্টিফিক কম্পিউটিং রিসার্চ অ্যাক্সিলারেটেড রিসার্চ ইন কোয়ান্টাম কম্পিউটিং প্রোগ্রাম; লস আলামোস ন্যাশনাল ল্যাবরেটরিতে গবেষণাগার নির্দেশিত গবেষণা ও উন্নয়ন প্রোগ্রাম; ডিওই অফিস অফ সায়েন্স, ন্যাশনাল কোয়ান্টাম ইনফরমেশন সায়েন্স রিসার্চ সেন্টার, কোয়ান্টাম সায়েন্স সেন্টার; এবং প্রতিরক্ষা বিভাগ।