दशकों से, क्वांटम कंप्यूटिंग को 21 वीं सदी के तकनीकी लॉस्टार के रूप में वर्णित किया गया है – शास्त्रीय मशीनों के केन से परे समस्याओं को हल करने के लिए अपनी अथाह कम्प्यूटेशनल शक्ति के साथ। क्वांटम कंप्यूटर क्रिप्टोग्राफिक कोड को क्रैक करने का वादा करते हैं, सामग्री विज्ञान, सहायता दवा की खोज और अधिक में अणुओं की क्वांटम गतिकी का अनुकरण करते हैं। फिर भी, जैसे -जैसे क्वांटम रेस आगे बढ़ती है, एक अप्रत्याशित चैलेंजर उभरा है, न कि डिट्रोन करने के लिए, बल्कि इसे ठीक से उन डोमेन में पछाड़ने के लिए जहां यह सबसे उज्ज्वल चमकने की उम्मीद थी: एआई।
इस विघटन की संभावना को समझने के लिए, क्वांटम कंप्यूटिंग क्या है। शास्त्रीय कंप्यूटरों के विपरीत, जो बाइनरी बिट्स- 0s या 1s में जानकारी को एनकोड करते हैं – क्वांटम कंप्यूटर क्वांटम बिट्स, या क्वबिट्स का उपयोग करते हैं, जो राज्यों के सुपरपोजिशन में मौजूद हो सकते हैं।
यह भी पढ़ें: क्या एआई कभी क्वांटम यांत्रिकी को समझेगा? उस पर शर्त मत करो
उलझाव और क्वांटम हस्तक्षेप के माध्यम से, क्वांटम कंप्यूटर समानांतर में संभावनाओं के एक विशाल स्थान को संसाधित कर सकते हैं। यह उन्हें स्वाभाविक रूप से क्वांटम सिस्टम को मॉडल करने देता है, जिससे वे अणुओं का अनुकरण करने, नई सामग्रियों को डिजाइन करने और कुछ अनुकूलन समस्याओं को हल करने के लिए आदर्श बनाते हैं। इसके सबसे टाउट किए गए अनुप्रयोगों में सामग्री विज्ञान को बदलने की क्षमता है।
उच्च तापमान वाले सुपरकंडक्टर्स, कैटेलिटिक सतहों या उपन्यास अर्धचालकों के साथ अग्रिमों को अक्सर दृढ़ता से सहसंबद्ध इलेक्ट्रॉनों की बातचीत को मॉडलिंग करने की आवश्यकता होती है-सिस्टम जहां एक कण का व्यवहार कसकर कई अन्य लोगों से जुड़ा होता है। शास्त्रीय एल्गोरिदम इस तरह के सिमुलेशन में लड़खड़ाते हैं क्योंकि क्वांटम स्टेट स्पेस की जटिलता सिस्टम के आकार के साथ तेजी से बढ़ती है। एक पूर्ण क्वांटम कंप्यूटर यह सब आसानी से संभाल लेगा।
लेकिन क्वांटम कंप्यूटिंग का व्यावहारिक अहसास कायम है। Qubits, चाहे सुपरकंडक्टिंग लूप, फंसे हुए आयनों या टोपोलॉजिकल स्टेट्स, अति सुंदर रूप से नाजुक हैं। वे माइक्रोसेकंड के भीतर ‘डेकोरे’ (अपनी क्वांटम राज्य खो देते हैं) और गहरे स्थान की तुलना में ठंडे तापमान पर रखे जाने चाहिए। त्रुटि सुधार एक कठिन लड़ाई बनी हुई है। आज की ज्यादातर क्वांटम मशीनें केवल कुछ सौ शोर-कम क्वबिट्स का प्रबंधन कर सकती हैं, जो गलती-सहिष्णु कंप्यूटिंग के लिए आवश्यक लाखों कम हैं।
यह भी पढ़ें: क्या Google का विलो वास्तव में क्वांटम कंप्यूटर के लिए एक ‘वाह’ क्षण है?
इस बीच, आर्टिफिशियल इंटेलिजेंस (एआई), विशेष रूप से डीप लर्निंग ने एक ही स्थानों में उल्लेखनीय घटनाओं को बनाया है। 2017 में Giuseppe Carleo और Matthias Troyer द्वारा विज्ञान में एक पेपर के साथ एक मोड़ आया (bit.ly/43uhaxx)। चौंकाने वाले वैज्ञानिकों, उन्होंने क्वांटम सिस्टम के तरंग-कार्य को अनुमानित करने के लिए एक तंत्रिका नेटवर्क-आधारित परिवर्तनशील विधि पाया। इस दृष्टिकोण ने क्वांटम कणों के बीच जटिल सहसंबंधों का प्रतिनिधित्व करने के लिए प्रतिबंधित बोल्ट्जमैन मशीनों को नियोजित किया, कुछ स्पिन प्रणालियों के जमीनी राज्यों को मॉडलिंग किया जो शास्त्रीय रूप से अनुकरण करने के लिए कठिन थे।
उस पेपर ने सिर्फ एक नया टूल पेश नहीं किया; इसने एक प्रतिमान बदलाव का संकेत दिया। शोधकर्ताओं ने इसका उपयोग गहरे दृढ़ और ऑटोरेग्रेसिव नेटवर्क, ट्रांसफार्मर आर्किटेक्चर और यहां तक कि डिफ्यूजन मॉडल के लिए क्वांटम कई-बॉडी सिस्टम का अनुकरण करने के लिए किया। ये तंत्रिका नेटवर्क शास्त्रीय हार्डवेयर पर चलते हैं और क्वांटम मशीनों के भंगुर बुनियादी ढांचे की आवश्यकता नहीं होती है।
यह केवल पकड़ने का सवाल नहीं है। एआई सामग्री खोज और क्वांटम सिमुलेशन में क्षमताओं को प्रदर्शित करने के लिए शुरू हो रहा है, जबकि क्वांटम स्तर पर पूरी तरह से सटीक नहीं है, काफी अच्छे हैं।
जनरेटिव मॉडल ने वांछनीय थर्मल या इलेक्ट्रॉनिक गुणों के साथ नई क्रिस्टलीय संरचनाओं का प्रस्ताव किया है, जबकि ग्राफ तंत्रिका नेटवर्क ने पहले-सिद्धांत गणना के लिए सहारा के बिना सामग्री के चरण व्यवहार की भविष्यवाणी की है। अधिकांश हड़ताली, एआई मॉडल ने प्रभावी हैमिल्टनियों का उल्लेख करने में सहायता करना शुरू कर दिया है-भौतिक प्रणालियों के पारगम्य विवरण-प्रायोगिक डेटा से, शीर्ष-स्तरीय विशेषज्ञों के लिए भी एक कठिन कार्य।
यह त्वरण प्रमुख अनुसंधान प्रयोगशालाओं द्वारा किसी का ध्यान नहीं गया है। उदाहरण के लिए, Google के डीपमाइंड ने मशीन लर्निंग टूल्स को सीधे क्वांटम केमिस्ट्री वर्कफ़्लो में एकीकृत करना शुरू कर दिया है। क्वांटम स्पेस में स्टार्टअप में अक्सर एआई-आधारित प्री-प्रोसेसिंग या त्रुटि शमन को उनकी पाइपलाइनों में शामिल किया जाता है।
यह भी पढ़ें: अंडरडेलीवरी: एआई गैजेट्स एक लेट-डाउन रहे हैं, लेकिन जरूरत नहीं है
एक पूरक क्षेत्र तेजी से एक प्रतिस्पर्धी बन रहा है। एआई क्वांटम कंप्यूटिंग को निरपेक्ष अर्थों में अप्रासंगिक नहीं बना देगा, क्योंकि हमेशा क्वांटम घटना होगी कि केवल क्वांटम डिवाइस पूरी तरह से कैप्चर कर सकते हैं, लेकिन एआई क्वांटम हार्डवेयर परिपक्वता से पहले कई व्यावहारिक समस्याओं में नेतृत्व कर सकता है। यदि मशीन लर्निंग मॉडल लागत और बुनियादी ढांचे के 5% पर 90% प्रदर्शन दे सकते हैं, तो औद्योगिक उपयोगकर्ता पूर्णता की प्रतीक्षा नहीं कर सकते हैं।
इसके अलावा, खेल में एक उप -कारक कारक है: बौद्धिक पूंजी में एक बदलाव। अधिक निवेश एआई-आधारित विधियां आकर्षित करती हैं, अधिक संसाधन क्वांटम त्रुटि सुधार पर तंत्रिका मॉडलिंग में प्रवाहित होंगे। जब तक क्वांटम मशीन परिपक्व होती हैं, तब तक मूल रूप से उनके लिए कल्पना की जाने वाली कई उपयोग-मामलों को एआई टूल द्वारा अवशोषित किया जा सकता है जो विडंबना से क्वांटम डेटा या सिद्धांत का उपयोग करते हैं। क्वांटम कम्प्यूटिंग जोखिम एक सुंदर विचार बन जाता है जो केवल सक्षम लेकिन तैनाती योग्य विकल्प से बाहर हो जाता है।
यहां एक विडंबना है जो श्रोडिंगर या फेनमैन पर खो नहीं जाएगी: कि शास्त्रीय दुनिया, जिसे एक बार क्वांटम वास्तविकता के चेहरे में बहुत सरल समझा जाता है, मशीन लर्निंग के सांख्यिकीय अमूर्त के माध्यम से खुद को आश्वस्त कर सकता है। हम एक ऐसी मशीन बनाने के लिए तैयार हैं जो प्रकृति की तरह सोचती है। इसके बजाय, हमने अपनी मशीनों को प्रकृति की नकल करने के लिए अच्छी तरह से आगे बढ़ने के लिए पर्याप्त रूप से आगे बढ़ने के लिए सिखाया।
क्वांटम कंप्यूटिंग अभी भी अपरिहार्य साबित हो सकता है। लेकिन इसे एक ऐसी दुनिया में अपनी जगह को सही ठहराना होगा जहां उसके वादे को उसके चचेरे भाई एआई द्वारा विनियोजित किया जा रहा है।
लेखक एक वेंचर फंड मैनेजर, सियाना कैपिटल के सह-संस्थापक हैं।
