एंथ्रोपिक का कहना है कि उसके क्लाउड माइथोस 5 मॉडल ने क्वांटम सर्किट डिजाइन किए हैं जो आठ में से सात कम्प्यूटेशनल कार्यों में पहले से प्रकाशित सर्वोत्तम डिजाइनों में सुधार करते हैं, कुछ मामलों में परिमाण या उससे अधिक के क्रम में। यह दावा, शुक्रवार को प्रकाशित एक शोध पोस्ट और 15 अक्टूबर को arXiv को सौंपे गए 46 पेज के पेपर में दिया गया है, यह प्रयोगशाला का अब तक का सबसे ठोस प्रदर्शन है कि बड़े भाषा मॉडल मौजूदा ज्ञान को सारांशित करने के बजाय मूल वैज्ञानिक डिजाइन तैयार कर सकते हैं।
एंथ्रोपिक के एसटीईएम फेलो प्रोग्राम के माध्यम से एंडी गु द्वारा इस काम का नेतृत्व किया गया, जिसमें एंथ्रोपिक क्वांटम भौतिक विज्ञानी एलेक केमेनी की सलाह और हार्वर्ड भौतिक विज्ञानी सुज़ैन येलिन और मिखाइल ल्यूकिन के सहयोग से किया गया, जो क्वांटम कंप्यूटिंग कंपनी क्यूएरा के संस्थापक भी हैं। Unite.AI के अनुसार, "बड़े भाषा मॉडल के साथ अत्याधुनिक क्वांटम सर्किट की खोज" शीर्षक वाला पेपर, 10 अंकों और छह तालिकाओं के साथ 46 पृष्ठों का है, जो क्वांटम इनसाइडर और दिलचस्प इंजीनियरिंग के साथ परिणामों को विस्तार से रिपोर्ट करने वाले पहले आउटलेट्स में से एक था।
आठ कार्य कम्प्यूटेशनल आदिम हैं - बुनियादी दिनचर्या जिससे बड़े क्वांटम एल्गोरिदम बनाए जाते हैं - रसायन विज्ञान, अनुकूलन, क्वांटम सिमुलेशन, संख्या सिद्धांत और संख्यात्मक कंप्यूटिंग तक फैले हुए हैं। पेपर के सार के अनुसार, आठ में से सात कार्यों में खोजे गए सर्किट ने कला की स्थिति के सापेक्ष टोफोली गेट गिनती और क्वबिट गिनती दोनों को काफी कम कर दिया, जबकि आठवें ने प्राइम-फील्ड मॉड्यूलर उलटा के लिए एक पूरी तरह से नई प्रतिवर्ती वास्तुकला उत्पन्न की।
एंथ्रोपिक के अनुसंधान आउटपुट के निरंतर कवरेज और विज्ञान में एआई को लागू करने की व्यापक दौड़ के लिए, क्षेत्र के विकसित होने पर हमारे [ब्रेकिंग एआई समाचार] (https://aibuzzwire.news) कवरेज का अनुसरण करें।
बंद लूप कैसे काम करता है
डिज़ाइन प्रक्रिया एक विकासवादी लूप है जिसमें भाषा मॉडल सर्किट प्रस्तावित करता है और एक स्वतंत्र मूल्यांकनकर्ता उनकी जाँच करता है। क्वांटम सर्किट को सामान्य कोड के रूप में लिखा जा सकता है, इसलिए क्लाउड मिथोस 5 ने पायथन प्रोग्राम के रूप में डिज़ाइन प्रस्तुत किए, मूल्यांकनकर्ता से शुद्धता प्रतिक्रिया और एक अंक प्राप्त किया, और संशोधित किया - राउंड के बीच कोई मानव इनपुट नहीं।
स्कोर जानबूझ कर सरल है: क्वैबिट की संख्या को गेटों की संख्या से गुणा किया जाता है। वह उत्पाद एक प्रॉक्सी के रूप में कार्य करता है कि किसी सर्किट को भविष्य के क्वांटम कंप्यूटर पर चलने में कितना समय लगेगा, और यह मॉडल को नीचे धकेलने के लिए एक उद्देश्य लक्ष्य देता है।
क्वांटम सर्किट ऐसी बाधाएँ भी लगाते हैं जो सामान्य सॉफ़्टवेयर नहीं लगाते हैं। एक सर्किट यदि-तब निर्णयों पर शाखा नहीं लगा सकता है, क्योंकि यह एक साथ कई इनपुट के सुपरपोजिशन पर निष्पादित होता है और हर बार चलने पर इसमें प्रत्येक पथ के लिए संचालन शामिल होना चाहिए। यह जानकारी को त्याग भी नहीं सकता है, क्योंकि प्रत्येक चरण को प्रतिवर्ती होना चाहिए - मध्यवर्ती परिणामों को संग्रहीत किया जाना चाहिए या अतिरिक्त गेट्स की कीमत पर, रिवर्स में उत्पन्न गणना को चलाकर "अनकंप्यूटेड" किया जाना चाहिए। वे बाधाएं क्वबिट गिनती और रनटाइम के बीच एक व्यापार-बंद को मजबूर करती हैं, जो वास्तव में व्यापार-बंद क्लाउड के डिजाइनों को दोबारा आकार देती है।
53-घंटे की दौड़ एक नया मॉड्यूलर व्युत्क्रम एल्गोरिदम तैयार करती है
पहली विस्तृत खोज बिंदु जोड़, अण्डाकार-वक्र असतत लघुगणक समस्या के लिए क्वांटम एल्गोरिदम में मुख्य संचालन और क्षेत्र के मानक बेंचमार्क में से एक से संबंधित है। इसकी अधिकांश लागत एक ही चरण में बैठती है - मॉड्यूलर उलटा, अण्डाकार-वक्र अंकगणित में उपयोग किया जाने वाला विभाजन का रैपराउंड संस्करण।
एंथ्रोपिक की पोस्ट के अनुसार, क्लाउड को गणितीय नियम और मूल्यांकनकर्ता प्रत्येक डिज़ाइन को कैसे स्कोर करेगा, यह समझाते हुए एक पैराग्राफ का संक्षिप्त विवरण प्राप्त हुआ, फिर वास्तव में नए दृष्टिकोण पर पहुंचने से पहले न्यूनतम मानवीय हस्तक्षेप के साथ 53 घंटे तक काम किया। शास्त्रीय कंप्यूटर डिवस्टेप्स नामक एक विधि के साथ मॉड्यूलर व्युत्क्रम को कुशलतापूर्वक संभालते हैं, लेकिन उस विधि ने कभी भी व्यावहारिक क्वांटम सर्किट नहीं दिया था, क्योंकि प्रतिवर्तीता सर्किट को यह रिकॉर्ड करने के लिए मजबूर करती है कि प्रत्येक पुनरावृत्ति में कौन सा ऑपरेशन चुना गया था - और उस शाखा के इतिहास को संग्रहीत करने के लिए भारी संख्या में अतिरिक्त क्वैबिट की आवश्यकता होती है।
क्लाउड की अंतर्दृष्टि यह थी कि रिकॉर्ड को बिल्कुल भी संग्रहीत करने की आवश्यकता नहीं हो सकती है: प्रत्येक पुनरावृत्ति पर उत्पादित संख्याओं की जोड़ी का निरीक्षण करके शाखा की जानकारी को बाद में डिकोड किया जा सकता है। पोस्ट में कहा गया है कि प्रारंभिक डिकोडिंग नियम छोटे परीक्षण मामलों पर काम करते थे लेकिन पूर्ण 256-बिट समस्या आकार में विफल रहे। मॉडल ने फिर पुनरावृत्ति के बारे में नई बीजगणितीय पहचानों की एक श्रृंखला साबित की, एक सटीक डिकोडिंग फॉर्मूला निकाला, इसे बड़े पैमाने पर संख्यात्मक सिमुलेशन में मान्य किया, और लीन प्रूफ सहायक में दावे को औपचारिक रूप दिया।
एन्थ्रोपिक का कहना है कि परिणाम, बिना किसी संग्रहीत शाखा इतिहास के डिवस्टेप्स का पहला प्रतिवर्ती कार्यान्वयन है। क्योंकि डिकोडिंग से क्वैबिट की बचत होती है लेकिन रनटाइम खर्च होता है, क्लाउड ने दोनों के बीच की सीमा पर डिजाइनों का एक परिवार तैयार किया। उस परिवार का एक सर्किट 12% अधिक क्वैबिट का उपयोग करता है लेकिन सबसे छोटे पिछले डिज़ाइन की तुलना में 17 गुना कम गेट्स का उपयोग करता है; पोस्ट में सर्वोत्तम पूर्व प्रकाशित डिज़ाइनों का नाम श्रोटेनलोहर (2026) और लुओ एट अल बताया गया है। (2026)।
क्वांटम अनुकूलन के लिए 12x सस्ता डिकोडर
दूसरी खोज का लक्ष्य डिकोडेड क्वांटम इंटरफेरोमेट्री (डीक्यूआई) है, जिसे पोस्ट में सुपरपोलिनोमियल क्वांटम स्पीडअप के लिए सबसे मजबूत ज्ञात उम्मीदवारों में से एक के रूप में वर्णित किया गया है। एल्गोरिदम का सबसे महंगा कदम एक त्रुटि-सुधार करने वाला डिकोडर है, और पोस्ट में उद्धृत Google क्वांटम एआई शोधकर्ताओं के अनुमान से पता चलता है कि इष्टतम बहुपद प्रतिच्छेदन समस्या के एक विशेष उदाहरण में फ्रंटियर सुपर कंप्यूटर पर लगभग तीन महीने लगेंगे, जबकि भविष्य के क्वांटम कंप्यूटर पर लगभग एक घंटा लगेगा - जिसमें से अधिकांश घंटा रीड-सोलोमन डिकोडिंग पर खर्च होगा।
पिछला अत्याधुनिक डिकोडर सर्किट विस्तारित यूक्लिडियन एल्गोरिदम पर बनाया गया था, जिसकी चरण गणना इनपुट पर निर्भर करती है, जो क्वांटम सर्किट को सबसे खराब स्थिति में गणना को बढ़ाने और हर दौर में हर ऑपरेशन को चलाने के लिए मजबूर करती है। इसके बजाय क्लाउड ने अपने सर्किट को बर्लेकैंप-मैसी डिकोडिंग के आसपास व्यवस्थित किया, जो हर दौर में समान कार्य करता है। इसे उलटने योग्य बनाने से एक मेमोरी समस्या पैदा हुई, जिसे मॉडल ने सांख्यिकीय रूप से हल किया: इसने एक उच्च गति सिम्युलेटर लिखा और यह मापने के लिए 403 मिलियन नमूना डिकोडिंग चलाया कि कितनी बार असाधारण मूल्य होते हैं। लगभग हर रन के लिए अधिकतम एक मान को बचाने की आवश्यकता होती है, इसलिए सर्किट 665 के बजाय 19 क्विट आरक्षित रखता है, जो सबसे खराब स्थिति वाले डिज़ाइन के लिए आवश्यक होगा, 10,000 में लगभग एक रन विफल हो जाता है - पोस्ट के अनुसार यह दर कार्य के त्रुटि बजट के भीतर अच्छी तरह से है। अनुकूलन ने विधि, वास्तुकला और संसाधन-बजट स्तरों पर परिवर्तनों के माध्यम से, Google के पिछले निर्माण के सापेक्ष डिकोडर की गेट गिनती को 12 गुना कम कर दिया।
यह क्यों मायने रखता है - और यह क्या साबित नहीं करता है
दांव को स्पष्ट करने के लिए, एंथ्रोपिक की पोस्ट फ़ेमको के इतिहास को याद करती है, नाइट्रोजनेज़ के केंद्र में लौह-सल्फर क्लस्टर, एंजाइम बैक्टीरिया नाइट्रोजन को अमोनिया में बदलने के लिए उपयोग करता है। 2017 में, शोधकर्ताओं ने अनुमान लगाया कि फेमोको की जमीनी-राज्य ऊर्जा की गणना के लिए लगभग 50 ट्रिलियन टोफोली गेट्स की आवश्यकता होगी; आठ वर्षों में एल्गोरिदमिक प्रगति की एक श्रृंखला ने अनुमान को लगभग 340 मिलियन तक पहुंचा दिया - 150,000 गुना की कमी जो लगभग तीन मिलियन भौतिक क्वैबिट के साथ भविष्य की मशीन पर कुछ घंटों की गणना से मेल खाती है। कंपनी ने जो विरोधाभास निकाला है वह स्पष्ट है: 150,000 गुना सुधार में कई शोध समूहों को आठ साल लग गए, जबकि अण्डाकार-वक्र परिणाम 53 घंटे की एकल अवधि से सामने आया।
चेतावनियाँ भी उतनी ही स्पष्ट हैं। आज के क्वांटम कंप्यूटरों में केवल सैकड़ों से हजारों क्यूबिट हैं, और वे क्यूबिट शोर के प्रति अत्यधिक संवेदनशील हैं, इसलिए ये कामकाजी मशीनों पर प्रदर्शन के बजाय भविष्य के हार्डवेयर के लिए डिज़ाइन हैं। और परिणाम एन्थ्रोपिक के अपने दावे हैं, यद्यपि लीन प्रमाण, संख्यात्मक सत्यापन और एक स्वतंत्र मूल्यांकनकर्ता द्वारा समर्थित हैं; arXiv पेपर की व्यापक सहकर्मी जांच अभी शुरुआत है।
एन्थ्रोपिक भी ध्यान देने योग्य प्रारंभिक व्यवहार पैटर्न की रिपोर्ट करता है: प्रारंभिक प्रयोगों में क्लाउड रूढ़िवादी था, बार-बार अच्छी तरह से समर्थित परिणामों की दोहरी और तिहरी जांच करता था और परिचित दृष्टिकोण को प्राथमिकता देता था। टीम ने समानांतर में कई गुणात्मक रूप से अलग-अलग डिज़ाइनों की आवश्यकता के द्वारा इसका मुकाबला किया और कभी-कभी मॉडल को अपनी खोज को व्यापक बनाने के लिए प्रेरित किया - वही सावधानी, पोस्ट नोट्स, जिसने पहले स्थान पर लीन प्रमाणों को प्रेरित किया।
कंपनी का घोषित दृष्टिकोण यह है कि एआई अंततः एक विशिष्ट समस्या के लिए त्रुटि-सुधारित क्वांटम कंप्यूटर के प्रत्येक घटक को एल्गोरिथ्म से लेकर हार्डवेयर तक संयुक्त रूप से अनुकूलित कर सकता है। यदि परिणाम सही रहते हैं, तो पेपर को किसी एक सर्किट के लिए कम याद किया जा सकता है, बजाय इस प्रदर्शन के कि एक भाषा मॉडल कंप्यूटिंग के सबसे अधिक मांग वाले डिजाइन विषयों में से एक में अपनी पकड़ बना सकता है।
एआई से आगे रहें
क्वांटम कंप्यूटिंग, फ्रंटियर मॉडल और उनके बीच अनुसंधान की प्रगति तेजी से आगे बढ़ती है। अधिक AI समाचार पढ़ें AI बज़ वायर पर।
अधिक AI समाचार पढ़ें →
