menu
close

குவாண்டம் கணினியில் 'புனிதக் கோட்பாடு' எனப்படும் பெரும் வேக விரைவில் வெற்றி

USC மற்றும் ஜான்ஸ் ஹாப்கின்ஸ் பல்கலைக்கழக ஆராய்ச்சியாளர்கள், IBM-இன் 127-க்யூபிட் ஈகிள் புராசஸர்களை பயன்படுத்தி, முதல் முறையாக நிபந்தனை இல்லாத பெரும் வேக விரைவில் (exponential speedup) வெற்றி பெற்றுள்ளனர். குவாண்டம் பிழை திருத்த நிபுணர் டேனியல் லிடார் தலைமையிலான குழு, Simon's problem எனப்படும் கணிதப் பிரச்சனையின் மாற்றியமைக்கப்பட்ட வடிவை தீர்த்து, குவாண்டம் கணினிகள் தற்போது பாரம்பரிய கணினிகளை தாண்டி செயல்பட முடியும் என்பதை நிரூபித்துள்ளது. இந்தப் பெரும் முன்னேற்றம், எதிர்காலத்தில் ஏ.ஐ. மாதிரிகள் பயிற்சி மற்றும் இதுவரை சாத்தியமில்லாத கணிப்புகளை விரைவாக செய்ய வழிவகுக்கும் முக்கியக் கட்டமாகும்.
குவாண்டம் கணினியில் 'புனிதக் கோட்பாடு' எனப்படும் பெரும் வேக விரைவில் வெற்றி

குவாண்டம் கணினியின் 'புனிதக் கோட்பாடு' எனும் பெரும் வேக விரைவில் வெற்றி பெற்றுள்ளதாக நிபுணர்கள் குறிப்பிடுகின்றனர். இது, குவாண்டம் கணினிகள் பாரம்பரிய கணினிகளை விட நிச்சயமாக மேலோங்கும் என்பதை எந்தவொரு கோட்பாட்டு வரம்பும் இல்லாமல் நிரூபிக்கிறது.

இந்தப் புரட்சிகரமான ஆய்வு, 2025 ஜூன் 5-ஆம் தேதி Physical Review X-இல் வெளியிடப்பட்டது. USC பொறியியல் பேராசிரியரும், குவாண்டம் பிழை திருத்தத்தில் நிபுணருமான டேனியல் லிடார் தலைமையில், USC மற்றும் ஜான்ஸ் ஹாப்கின்ஸ் பல்கலைக்கழகத்தினர் இணைந்து, IBM-இன் 127-க்யூபிட் ஈகிள் குவாண்டம் புராசஸர்களை கிளவுட் மூலம் இயக்கி, இந்த பெரும் வேக விரைவை நிரூபித்துள்ளனர்.

இந்த சாதனையின் சிறப்பை 'நிபந்தனை இல்லாதது' என்பதே குறிப்பிடத்தக்கது. இதற்கு முன் வந்த வேக விரைவுகள், "அந்தக் குவாண்டம் அல்காரிதத்துக்கு எதிராக சிறந்த பாரம்பரிய அல்காரிதம் இல்லை" என்ற நம்பிக்கையில் இருந்தன. ஆனால், "நாங்கள் காட்டிய பெரும் வேக விரைவை மாற்ற முடியாது, ஏனெனில் இது முதல் முறையாக நிபந்தனை இல்லாமல் நிரூபிக்கப்பட்டுள்ளது" என லிடார் விளக்குகிறார்.

அணியினர், Simon's problem எனப்படும் மறைமுக வடிவமைப்புகளை கண்டறியும் கணிதப் பிரச்சனையை, உண்மையான குவாண்டம் ஹார்ட்வேரில் செயல்படக்கூடிய வகையில் மாற்றியமைத்தனர். இந்தப் பிரச்சனை, குவாண்டம் கணினி துறையை உருவாக்கிய Shor's factoring algorithm-க்கு முன்னோடியாக கருதப்படுகிறது. பொதுவாக குவாண்டம் கணினிகளில் ஏற்படும் சத்தம் மற்றும் பிழைகளை சமாளிக்க, அணியினர் மிக நுணுக்கமான பிழை ஒழிப்பு நுட்பங்களை (dynamical decoupling, measurement error mitigation) பயன்படுத்தினர்.

"இந்த முடிவுக்கு உடனடி நடைமுறை பயன்பாடுகள் இல்லை, ஆனால் இது ஏ.ஐ.க்கு பெரும் தாக்கத்தை ஏற்படுத்தும்" என லிடார் எச்சரிக்கிறார். எதிர்காலத்தில் குவாண்டம் கணினிகள் மேலும் மேம்பட்டால், இயந்திரக் கற்றல் (machine learning), குறிப்பாக மேம்பட்ட கணிப்புகள் மற்றும் பெரும் ஒப்டிமைசேஷன் பிரச்சனைகளில், கணிப்பில் சாத்தியமில்லாத வேகத்தை வழங்கும்.

குவாண்டம் ஆதரவு ஏ.ஐ. அல்காரிதங்கள் ஏற்கனவே சில பயன்பாடுகளில் சிறப்பாக செயல்பட்டுள்ளன. சமீபத்திய ஆய்வுகள், குவாண்டம் நுட்பங்கள் kernel-based machine learning-ஐ வேகமாகவும், துல்லியமாகவும், குறைந்த சக்தி செலவில் செயல்படுத்த முடியும் என்பதை காட்டுகின்றன. குவாண்டம் ஹார்ட்வேர் மேலும் வளரும்போது, இதுபோன்ற முன்னேற்றங்கள், இதுவரை சாத்தியமில்லாத ஏ.ஐ. திறன்களை உருவாக்கும்.

இந்த சாதனை, குவாண்டம் கணினிகள் பெரும் வேக விரைவில் செயல்பட முடியும் என்ற நீண்டகால வாக்குறுதியை உறுதிப்படுத்துகிறது. இது, நடைமுறை உலகில் குவாண்டம் கணினிகளின் பயன்பாட்டை நோக்கி ஒரு முக்கியமான முன்னேற்றமாகும்.

Source:

Latest News