عصبی نیٹ ورک کوانٹم سٹیٹ کی پیمائش کو تیز کرتے ہیں - فزکس ورلڈ

ایک نیا مطالعہ ظاہر کرتا ہے کہ اعصابی نیٹ ورک روایتی تکنیکوں سے کہیں زیادہ مؤثر طریقے سے کوانٹم سسٹم میں الجھنے کی ڈگری کا اندازہ لگا سکتے ہیں۔ کوانٹم سٹیٹس کو مکمل طور پر نمایاں کرنے کی ضرورت کو آگے بڑھاتے ہوئے، گہرا سیکھنے کا نیا طریقہ خاص طور پر بڑے پیمانے پر کوانٹم ٹیکنالوجیز کے لیے کارآمد ثابت ہو سکتا ہے، جہاں quantifying entanglement اہم ہو گا لیکن وسائل کی حدود مکمل ریاست کی خصوصیت کو غیر حقیقی بنا دیتی ہیں۔

الجھنا - ایک ایسی صورت حال جس میں متعدد ذرات ایک مشترکہ ویو فنکشن کا اشتراک کرتے ہیں، تاکہ ایک ذرّہ کو پریشان کرنا باقی سب کو متاثر کرے - کوانٹم میکانکس کے مرکز میں ہے۔ مطالعہ کے شریک مصنف کا کہنا ہے کہ نظام میں الجھنے کی ڈگری کی پیمائش اس طرح یہ سمجھنے کا حصہ ہے کہ یہ کتنا "کوانٹم" ہے میروسلاف جیک، چیکیا کی پالکی یونیورسٹی میں ماہر طبیعیات۔ "آپ اس رویے کا مشاہدہ کر سکتے ہیں سادہ دو پارٹیکل سسٹم سے شروع ہو کر جہاں کوانٹم فزکس کے بنیادی اصولوں پر بات کی جاتی ہے،" وہ بتاتے ہیں۔ "دوسری طرف، میکروسکوپک مادے میں الجھنے کی تبدیلیوں اور مرحلے کی منتقلی کے درمیان براہ راست تعلق ہے۔"

کسی نظام میں کوئی بھی دو ذرات جس حد تک الجھے ہوئے ہیں اس کی مقدار ایک عدد سے طے کی جا سکتی ہے۔ اس نمبر کی صحیح قدر حاصل کرنے کے لیے ویو فنکشن کی تشکیل نو کی ضرورت ہوتی ہے، لیکن کوانٹم حالت کی پیمائش اسے تباہ کر دیتی ہے، اس لیے ایک ہی حالت کی متعدد کاپیوں کو بار بار ناپا جانا چاہیے۔ اسے کلاسیکی ٹوموگرافی کی تشبیہ میں کوانٹم ٹوموگرافی کہا جاتا ہے، جس میں 2D امیجز کا ایک سلسلہ تھری ڈی بنانے کے لیے استعمال کیا جاتا ہے، اور یہ کوانٹم تھیوری کا ناگزیر نتیجہ ہے۔ "اگر آپ ایک پیمائش سے کوانٹم حالت کے بارے میں جان سکتے ہیں تو ایک کیوبٹ کوئبٹ نہیں ہوگا - یہ تھوڑا سا ہوگا - اور کوئی کوانٹم کمیونیکیشن نہیں ہوگی،" کہتے ہیں۔ اینا پریڈوجیویچسٹاک ہوم یونیورسٹی، سویڈن میں ماہر طبیعیات، اور مطالعاتی ٹیم کا رکن۔

مسئلہ یہ ہے کہ کوانٹم پیمائش کی موروثی غیر یقینی صورتحال کوانٹم پروسیسر میں (مثال کے طور پر) qubits کے درمیان الجھنے کی پیمائش کرنا انتہائی مشکل بناتی ہے، کیونکہ کسی کو ہر کوئبٹ پر مکمل ملٹی کیوبٹ ویو فنکشن ٹوموگرافی انجام دینا ہوگی۔ یہاں تک کہ ایک چھوٹے پروسیسر کے لیے بھی، اس میں دن لگیں گے: "آپ صرف ایک پیمائش نہیں کر سکتے اور یہ نہیں کہہ سکتے کہ آپ کو الجھن ہے یا نہیں،" پریڈوجیویچ کہتے ہیں۔ "یہ ایسا ہی ہے جب لوگ آپ کی ریڑھ کی ہڈی کا CAT [کمپیوٹڈ محوری ٹوموگرافی] اسکین کرتے ہیں - آپ کو ٹیوب میں 45 منٹ تک رہنے کی ضرورت ہے تاکہ وہ پوری تصویر لے سکیں: آپ یہ نہیں پوچھ سکتے کہ آیا اس یا اس ریڑھ کی ہڈی میں کچھ خرابی ہے پانچ منٹ کا اسکین۔"

کافی اچھے جوابات تلاش کرنا

اگرچہ 100% درستگی کے ساتھ الجھن کا حساب لگانے کے لیے مکمل کوانٹم اسٹیٹ ٹوموگرافی کی ضرورت ہوتی ہے، کئی الگورتھم موجود ہیں جو جزوی معلومات سے کوانٹم حالت کا اندازہ لگا سکتے ہیں۔ Ježek کا کہنا ہے کہ اس نقطہ نظر کے ساتھ مسئلہ یہ ہے کہ "اس بات کا کوئی ریاضیاتی ثبوت نہیں ہے کہ کچھ محدود پیمائشوں کے ساتھ آپ کسی حد تک درستگی کی سطح پر الجھنے کے بارے میں کچھ کہتے ہیں"۔

نئے کام میں، Ježek، Predojević اور ساتھیوں نے اکیلے الجھن کی ڈگری کو نشانہ بنانے کے حق میں کوانٹم ریاست کی تعمیر نو کے تصور کو یکسر مسترد کرتے ہوئے، ایک مختلف حکمت عملی اختیار کی۔ ایسا کرنے کے لیے، انھوں نے الجھے ہوئے کوانٹم ریاستوں کا مطالعہ کرنے کے لیے گہرے اعصابی نیٹ ورکس کو ڈیزائن کیا اور انھیں عددی طور پر تیار کردہ ڈیٹا پر تربیت دی۔ "ہم تصادفی طور پر کوانٹم ریاستوں کا انتخاب کرتے ہیں اور، ریاست پیدا کرنے کے بعد، ہم نیٹ ورک کی پیداوار کو جانتے ہیں کیونکہ ہم جانتے ہیں کہ نظام میں الجھنے کی مقدار،" Ježek وضاحت کرتے ہیں؛ "لیکن ہم اس ڈیٹا کو بھی نقل کر سکتے ہیں جو ہمیں مختلف سمتوں سے کاپیوں کی مختلف تعداد کی پیمائش کے دوران ملے گا... یہ نقلی ڈیٹا نیٹ ورک کا ان پٹ ہیں۔"

نیٹ ورکس نے ان اعداد و شمار کا استعمال خود کو یہ سکھانے کے لیے کیا کہ وہ پیمائش کے دیے گئے سیٹوں سے الجھنے کا ہمیشہ سے بہتر اندازے لگا سکیں۔ اس کے بعد محققین نے نقلی ڈیٹا کے دوسرے سیٹ کا استعمال کرتے ہوئے الگورتھم کی درستگی کی جانچ کی۔ انہوں نے پایا کہ اس کی غلطیاں روایتی کوانٹم ٹوموگرافی تخمینہ الگورتھم کے مقابلے میں 10 گنا کم تھیں۔

طریقہ کار کو تجرباتی طور پر جانچنا

آخر میں، محققین نے تجرباتی طور پر دو حقیقی الجھے ہوئے نظاموں کی پیمائش کی: ایک گونج سے پمپ کیا ہوا سیمی کنڈکٹر کوانٹم ڈاٹ اور ایک اچانک پیرامیٹرک ڈاؤن کنورژن ٹو ​​فوٹون سورس۔ "ہم نے مکمل کوانٹم سٹیٹ ٹوموگرافی کی پیمائش کی...اور اس سے ہم کوانٹم سٹیٹ کے بارے میں سب کچھ جانتے تھے،" جیزیک کہتے ہیں، "پھر ہم نے ان پیمائشوں میں سے کچھ کو چھوڑ دیا۔" جیسا کہ انہوں نے زیادہ سے زیادہ پیمائشوں کو ہٹا دیا، انہوں نے اپنے گہرے نیورل نیٹ ورکس کی پیشین گوئیوں میں غلطی کا موازنہ اسی روایتی الگورتھم کی غلطیوں سے کیا۔ عصبی نیٹ ورک کی خرابی نمایاں طور پر کم تھی۔

طبیعیات دان کوانٹم ریاستوں کی تشخیص کا ایک روشن طریقہ تلاش کرتے ہیں۔

ریان گلاسر, لوزیانا، US میں Tulane یونیورسٹی میں ایک کوانٹم آپٹکس ماہر، جو پہلے کوانٹم ریاستوں کا اندازہ لگانے کے لیے مشین لرننگ کا استعمال کر چکے ہیں، نئے کام کو "اہم" کہتے ہیں۔ گلاسر کا کہنا ہے کہ "ابھی کوانٹم ٹیکنالوجیز میں جن مسائل کا سامنا ہے ان میں سے ایک یہ ہے کہ ہم اس مقام پر پہنچ رہے ہیں جہاں ہم چیزوں کو بڑے سسٹمز تک لے سکتے ہیں، اور… آپ اپنے سسٹم کو مکمل طور پر سمجھنے کے قابل ہونا چاہتے ہیں،" گلاسر کہتے ہیں۔ "کوانٹم سسٹمز بدنام زمانہ نازک اور ناپنا مشکل ہیں اور ان کی مکمل خصوصیات ہیں... دو کوئبٹ کوانٹم کمپیوٹر۔

گروپ اب اپنی تحقیق کو بڑے کوانٹم سسٹمز تک بڑھانے کا ارادہ رکھتا ہے۔ Ježek معکوس مسئلے میں بھی دلچسپی رکھتا ہے: "آئیے کہتے ہیں کہ ہمیں ایک کوانٹم سسٹم کے الجھن کو درست طریقے سے ماپنے کی ضرورت ہے، کہیے، 1%،" وہ کہتے ہیں، "اس سطح کو حاصل کرنے کے لیے ہمیں پیمائش کی کم از کم کس سطح کی ضرورت ہے؟ الجھن کا تخمینہ؟"

تحقیق میں شائع ہوا ہے۔ سائنس ایڈوانسز.

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
• پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• پلیٹو ای ایس جی۔ آٹوموٹو / ای وی، کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
• بلاک آفسیٹس۔ ماحولیاتی آفسیٹ ملکیت کو جدید بنانا۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://physicsworld.com/a/neural-networks-speed-up-quantum-state-measurements/