This page was translated by the Cloud Translation API.
Switch to English

কোয়ান্টাম মেশিন শেখার ধারণা

গুগলের কোয়ান্টাম আধিপত্যের পরীক্ষায় 53 কোলাহল কোয়েট ব্যবহার করে এটি প্রমাণ করতে যে এটি 200 সেকেন্ডের মধ্যে একটি কোয়ান্টাম কম্পিউটারে গণনা করতে পারে যা বিদ্যমান অ্যালগোরিদমগুলি ব্যবহার করে বৃহত্তম ক্লাসিকাল কম্পিউটারে 10,000 বছর সময় নিতে পারে। এটি গোলমাল ইন্টারমিডিয়েট-স্কেল কোয়ান্টাম (এনআইএসকিউ) কম্পিউটিংয়ের যুগের সূচনা করে। আগত বছরগুলিতে দশ-শত-শোরগোলের কোয়েট সহ কোয়ান্টাম ডিভাইসগুলি বাস্তবে পরিণত হবে বলে আশা করা হচ্ছে।

কোয়ান্টাম কম্পিউটিং

কোয়ান্টাম কম্পিউটিং ক্লাসিকাল কম্পিউটারগুলির নাগালের বাইরে থাকা সমস্যাগুলি গণনা করতে কোয়ান্টাম মেকানিক্সের বৈশিষ্ট্যের উপর নির্ভর করে। একটি কোয়ান্টাম কম্পিউটারে কুইটস ব্যবহার করা হয়। Qubits একটি কম্পিউটার নিয়মিত বিট মত, কিন্তু যোগ ক্ষমতা একে অপরের সাথে একটি উপরিপাত এবং ভাগ জড়াইয়া পড়া পুরা করতে হবে।

ক্লাসিকাল কম্পিউটারগুলি ডিটারমিনিস্টিক ক্লাসিকাল অপারেশন করে বা নমুনা পদ্ধতি ব্যবহার করে সম্ভাব্য প্রক্রিয়াগুলি অনুকরণ করতে পারে। সুপারপজিশন এবং জড়িয়ে পড়ার মাধ্যমে কোয়ান্টাম কম্পিউটারগুলি কোয়ান্টাম অপারেশন করতে পারে যা ক্লাসিকাল কম্পিউটারগুলির সাথে স্কেল অনুকরণ করা কঠিন। এনআইএসকিউ কোয়ান্টাম কম্পিউটিং উপকারের জন্য ধারণাগুলিতে রয়েছে অপ্টিমাইজেশন, কোয়ান্টাম সিমুলেশন, ক্রিপ্টোগ্রাফি এবং মেশিন লার্নিং।

কোয়ান্টাম মেশিন লার্নিং

কোয়ান্টাম মেশিন লার্নিং (কিউএমএল) দুটি ধারণার উপর নির্মিত: কোয়ান্টাম ডেটা এবং হাইব্রিড কোয়ান্টাম-ক্লাসিক্যাল মডেল

কোয়ান্টাম তথ্য

কোয়ান্টাম ডেটা এমন কোনও ডেটা উত্স যা প্রাকৃতিক বা কৃত্রিম কোয়ান্টাম সিস্টেমে ঘটে। কোয়ান্টাম আধিপত্যের গুগলের প্রদর্শনের জন্য সিকামোর প্রসেসর থেকে সংগ্রহ করা নমুনাগুলির মতো এটি কোয়ান্টাম কম্পিউটারের মাধ্যমে ডেটা উত্পন্ন হতে পারে। কোয়ান্টাম ডেটা সুপারপজিশন এবং জড়িয়ে পড়ার ফলে যৌথ সম্ভাব্যতা বিতরণের দিকে পরিচালিত করে যার প্রতিনিধিত্ব বা সঞ্চয় করার জন্য ধ্রুপদী গণনার সংস্থানগুলির একটি ক্ষতিকারক পরিমাণের প্রয়োজন হতে পারে। কোয়ান্টাম আধিপত্য পরীক্ষায় দেখা গেছে যে 2 ^ 53 হিলবার্ট স্পেসের অত্যন্ত জটিল যৌথ সম্ভাবনা বিতরণ থেকে নমুনা পাওয়া সম্ভব।

এনআইএসকিউ প্রসেসর দ্বারা উত্পন্ন কোয়ান্টাম ডেটা গোলমাল এবং পরিমাপটি ঘটে যাওয়ার ঠিক আগে জড়িয়ে থাকে। হিউরিস্টিক মেশিন লার্নিং কৌশলগুলি এমন মডেল তৈরি করতে পারে যা শোরগোলের জড়িয়ে থাকা ডেটা থেকে দরকারী ধ্রুপদী তথ্যের উত্তোলনকে সর্বাধিক করে তোলে। টেনসরফ্লো কোয়ান্টাম (টিএফকিউ) লাইব্রেরি কোয়ান্টাম ডেটাতে পারস্পরিক সম্পর্ককে পৃথকীকরণ এবং সাধারণীকরণ করার জন্য develop বিদ্যমান কোয়ান্টাম অ্যালগরিদমগুলিকে উন্নত করতে বা নতুন কোয়ান্টাম অ্যালগরিদমগুলি আবিষ্কার করার সুযোগ উন্মুক্ত করে এমন মডেলগুলি বিকাশের জন্য আদিমকে সরবরাহ করে।

কোয়ান্টাম ডেটাতে কোয়ান্টাম ডেটা তৈরি করা বা সিমুলেট করা যায় তার উদাহরণ নীচে দেওয়া হয়:

  • রাসায়নিক সিমুলেশন - পদার্থবিজ্ঞান, গণনা রসায়ন, গণনামূলক জীববিজ্ঞান এবং ড্রাগ আবিষ্কারের সম্ভাব্য অ্যাপ্লিকেশন সহ রাসায়নিক কাঠামো এবং গতিবিদ্যা সম্পর্কে নিখরচায় তথ্য।
  • কোয়ান্টাম ম্যাটার সিমুলেশন - মডেল এবং উচ্চ তাপমাত্রার সুপারকন্ডাকটিভিটি বা পদার্থের অন্যান্য বহিরাগত রাজ্যগুলি ডিজাইন করে যা বহু-দেহের কোয়ান্টাম প্রভাবগুলি প্রদর্শন করে।
  • কোয়ান্টাম নিয়ন্ত্রণ - হাইব্রিড কোয়ান্টাম-ক্লাসিক্যাল মডেলগুলি সর্বোত্তম ওপেন বা ক্লোজড লুপ নিয়ন্ত্রণ, ক্রমাঙ্কন এবং ত্রুটি প্রশমনের জন্য বৈকল্পিকভাবে প্রশিক্ষণ দেওয়া যেতে পারে। এর মধ্যে কোয়ান্টাম ডিভাইস এবং কোয়ান্টাম প্রসেসরগুলির জন্য ত্রুটি সনাক্তকরণ এবং সংশোধন কৌশল অন্তর্ভুক্ত।
  • কোয়ান্টাম যোগাযোগ নেটওয়ার্কস - কাঠামোগত কোয়ান্টাম রিপিটার, কোয়ান্টাম রিসিভার এবং পরিশোধন ইউনিটগুলির নকশা ও নির্মাণের প্রয়োগের সাথে অ-orthogonal কোয়ান্টাম রাজ্যের মধ্যে বৈষম্যমূলক মেশিন লার্নিং ব্যবহার করুন।
  • কোয়ান্টাম মেট্রোলজিকোয়ান্টাম -বর্ধিত উচ্চ নির্ভুলতা পরিমাপ যেমন কোয়ান্টাম সেন্সিং এবং কোয়ান্টাম ইমেজিং সহজাতভাবে প্রোবগুলিতে সম্পন্ন হয় যা ছোট-স্কোর কোয়ান্টাম ডিভাইসগুলি এবং ভেরিয়েন্ট কোয়ান্টাম মডেলগুলি ডিজাইন বা উন্নত করতে পারে।

হাইব্রিড কোয়ান্টাম-ক্লাসিকাল মডেল

একটি কোয়ান্টাম মডেল কোয়ান্টাম যান্ত্রিক উত্স সহ ডেটা উপস্থাপন এবং সাধারণকরণ করতে পারে। কোয়ান্টাম-কোয়ান্টাম প্রসেসরগুলি এখনও মোটামুটি ছোট এবং গোলমাল, কোয়ান্টাম মডেলগুলি একা কোয়ান্টাম প্রসেসর ব্যবহার করে কোয়ান্টাম ডেটা সাধারণ করতে পারে না। এনআইএসকিউ প্রসেসরগুলি কার্যকর হতে ক্লাসিকাল কো-প্রসেসরগুলির সাথে কনসার্টে কাজ করতে হবে। যেহেতু টেনসরফ্লো ইতোমধ্যে সিপিইউ, জিপিইউ এবং টিপিইউ জুড়ে ভিন্ন ভিন্ন কম্পিউটিং সমর্থন করে, তাই এটি হাইব্রিড কোয়ান্টাম-ক্লাসিক্যাল অ্যালগরিদমগুলির সাথে পরীক্ষার জন্য বেস প্ল্যাটফর্ম হিসাবে ব্যবহৃত হয়।

একটি কোয়ান্টাম নিউরাল নেটওয়ার্ক (কিউএনএন) একটি প্যারামিটারাইজড কোয়ান্টাম কম্পিউটেশনাল মডেলকে বর্ণনা করতে ব্যবহৃত হয় যা কোয়ান্টাম কম্পিউটারে সর্বাধিক সম্পাদিত হয়। এই শব্দটি প্রায়শই প্যারামিটারাইজড কোয়ান্টাম সার্কিট (পিকিউসি) দিয়ে বিনিময়যোগ্য।

গবেষণা

এনআইএসকিউ-এর যুগে, ক্লোরিক্যাল অ্যালগরিদমগুলির সাথে পরিচিত স্পিডআপগুলির সাথে কোয়ান্টাম অ্যালগরিদম যেমন শোরের ফ্যাক্টরিং অ্যালগরিদম বা গ্রোভারের অনুসন্ধান অ্যালগরিদম - অর্থবোধক স্কেলে এখনও সম্ভব হয়নি not

টেনসরফ্লো কোয়ান্টামের একটি লক্ষ্য NISQ- এর যুগের জন্য অ্যালগরিদমগুলি আবিষ্কার করতে সহায়তা করা, এতে বিশেষ আগ্রহের সাথে:

  1. এনআইএসকিউ অ্যালগরিদমগুলি উন্নত করতে ক্লাসিকাল মেশিন লার্নিং ব্যবহার করুন। আশা করি ক্লাসিকাল মেশিন লার্নিংয়ের কৌশলগুলি কোয়ান্টাম কম্পিউটিং সম্পর্কে আমাদের বোঝার উন্নতি করতে পারে। ক্লাসিকাল পুনরাবৃত্ত নিউরাল নেটওয়ার্কগুলির মাধ্যমে কোয়ান্টাম নিউরাল নেটওয়ার্কগুলির জন্য মেটা-লার্নিংয়ের ক্ষেত্রে , বারবারের নিউরাল নেটওয়ার্ক (আরএনএন) এটি আবিষ্কার করতে ব্যবহৃত হয় যে শেল্ফ অপ্টিমাইজারগুলির তুলনায় কিউএএএ এবং ভিকিউইয়ের মতো অ্যালগোরিদমগুলির জন্য নিয়ন্ত্রণ পরামিতিগুলির অপ্টিমাইজেশন আরও কার্যকর। এবং কোয়ান্টাম নিয়ন্ত্রণের জন্য মেশিন লার্নিং ত্রুটিগুলি প্রশমিত করতে এবং উচ্চমানের কোয়ান্টাম গেট তৈরি করতে সহায়তা করার জন্য পুনর্বহাল শেখার ব্যবহার করে।
  2. কোয়ান্টাম সার্কিট সহ মডেল কোয়ান্টাম ডেটা। ক্লাসিক্যালি কোয়ান্টাম ডেটা মডেলিং সম্ভব যদি আপনার ডেটাসোর্স-এর সঠিক বিবরণ থাকে তবে কখনও কখনও এটি সম্ভব হয় না। এই সমস্যাটি সমাধান করার জন্য, আপনি নিজে কোয়ান্টাম কম্পিউটারে মডেলিং চেষ্টা করতে পারেন এবং গুরুত্বপূর্ণ পরিসংখ্যান পরিমাপ / পর্যবেক্ষণ করতে পারেন। কোয়ান্টাম কনভ্যুশনাল নিউরাল নেটওয়ার্কগুলি পদার্থের বিভিন্ন টপোলজিকাল পর্যায় সনাক্ত করতে একটি কনভোলসাল নিউরাল নেটওয়ার্ক (সিএনএন) এর সাথে সাদৃশ্যযুক্ত কাঠামোর সাথে নকশিত একটি কোয়ান্টাম সার্কিট দেখায়। কোয়ান্টাম কম্পিউটারের ডেটা এবং মডেল রয়েছে। ক্লাসিকাল প্রসেসর কেবলমাত্র মডেল আউটপুট থেকে পরিমাপের নমুনাগুলি দেখে এবং কখনও ডেটা নিজেই দেখেনি। একটি কোলাহল কোয়ান্টাম কম্পিউটারে শক্ত জড়িত পুনর্নবীকরণে , লেখকরা একটি ডিএমইআরএ মডেল ব্যবহার করে কোয়ান্টাম বহু-বডি সিস্টেমগুলি সম্পর্কে তথ্য সংকুচিত করতে শিখেন।

কোয়ান্টাম মেশিন শেখার আগ্রহের অন্যান্য ক্ষেত্রগুলির মধ্যে রয়েছে: