Anthropic និយាយថា ម៉ូដែល Claude Mythos 5 របស់ខ្លួនបានរចនាសៀគ្វី quantum ដែលធ្វើអោយប្រសើរឡើងនូវការរចនាដែលបានបោះពុម្ពផ្សាយពីមុនល្អបំផុតនៅទូទាំងកិច្ចការគណនាចំនួនប្រាំពីរក្នុងចំណោមប្រាំបី ក្នុងករណីខ្លះតាមលំដាប់នៃរ៉ិចទ័រ ឬច្រើនជាងនេះ។ ការអះអាងដែលដាក់ចេញនៅក្នុងអត្ថបទស្រាវជ្រាវដែលបានចេញផ្សាយកាលពីថ្ងៃសុក្រ និងក្រដាស 46 ទំព័រដែលបានដាក់ជូន arXiv កាលពីថ្ងៃទី 15 ខែតុលា គឺជាការបង្ហាញជាក់ស្តែងបំផុតរបស់មន្ទីរពិសោធន៍ ប៉ុន្តែថាគំរូភាសាធំៗអាចបង្កើតការរចនាបែបវិទ្យាសាស្ត្រដើមជាជាងការសង្ខេបចំណេះដឹងដែលមានស្រាប់។

ការងារនេះត្រូវបានដឹកនាំដោយ Andi Gu តាមរយៈកម្មវិធី STEM Fellows របស់ Anthropic ដោយមានការណែនាំពីអ្នករូបវិទ្យា Quantum Anthropic Alek Kemeny និងសហការជាមួយអ្នករូបវិទ្យានៅ Harvard Susanne Yelin និង Mikhail Lukin ដែលជាស្ថាបនិកក្រុមហ៊ុន Quantum Computing Company QuEra ផងដែរ។ ក្រដាសដែលមានចំណងជើងថា "ការស្វែងយល់ពីសៀគ្វីកង់ទិចដ៏ទំនើបជាមួយនឹងគំរូភាសាធំ" ដំណើរការ 46 ទំព័រជាមួយនឹងតួលេខចំនួន 10 និងតារាងចំនួនប្រាំមួយ នេះបើយោងតាម ​​Unite.AI ដែលស្ថិតក្នុងចំណោមហាងដំបូងគេដែលរាយការណ៍លទ្ធផលដោយលម្អិតរួមជាមួយ The Quantum Insider និងវិស្វកម្មគួរឱ្យចាប់អារម្មណ៍។

កិច្ចការទាំងប្រាំបីគឺជាបុព្វហេតុគណនា - ទម្លាប់ជាមូលដ្ឋានដែលក្បួនដោះស្រាយកង់ទិចធំជាងត្រូវបានបង្កើតឡើង - វិសាលភាពគីមីវិទ្យា ការបង្កើនប្រសិទ្ធភាព ការក្លែងធ្វើកង់ទិច ទ្រឹស្តីលេខ និងការគណនាលេខ។ យោងទៅតាមអរូបីនៃក្រដាសនេះ ក្នុងកិច្ចការប្រាំពីរក្នុងចំណោមប្រាំបី សៀគ្វីដែលបានរកឃើញកាត់បន្ថយយ៉ាងខ្លាំងទាំងចំនួនទ្វារ Toffoli និងចំនួន qubit ដែលទាក់ទងទៅនឹងស្ថានភាពសិល្បៈ ខណៈដែលការងារទីប្រាំបីបានផ្តល់នូវស្ថាបត្យកម្មបញ្ច្រាសថ្មីទាំងស្រុងសម្រាប់ការបញ្ច្រាសម៉ូឌុលបឋម។

សម្រាប់ការបន្តគ្របដណ្តប់នៃលទ្ធផលស្រាវជ្រាវរបស់ Anthropic និងការប្រណាំងកាន់តែទូលំទូលាយដើម្បីអនុវត្ត AI ទៅនឹងវិទ្យាសាស្ត្រ សូមតាមដានការផ្សាយរបស់យើង [ព័ត៌មាន AI] (https://aibuzzwire.news) នៅពេលដែលវិស័យនេះរីកចម្រើន។

របៀបដែលរង្វិលជុំបិទដំណើរការ

ដំណើរ​ការ​រចនា​គឺ​ជា​ការ​វិវត្តន៍​មួយ​ដែល​គំរូ​ភាសា​ស្នើ​សៀគ្វី​ ហើយ​អ្នក​វាយ​តម្លៃ​ឯករាជ្យ​ពិនិត្យ​មើល​វា។ សៀគ្វី Quantum អាចត្រូវបានសរសេរជាកូដធម្មតា ដូច្នេះ Claude Mythos 5 បានដាក់ស្នើការរចនាជាកម្មវិធី Python បានទទួលមតិកែលម្អត្រឹមត្រូវ និងពិន្ទុពីអ្នកវាយតម្លៃ ហើយបានកែប្រែ — ដោយមិនមានការបញ្ចូលមនុស្សរវាងជុំ។

ពិន្ទុគឺសាមញ្ញដោយចេតនា៖ ចំនួន qubits គុណនឹងចំនួនច្រក។ ផលិតផលនោះបម្រើជាប្រូកស៊ីសម្រាប់រយៈពេលដែលសៀគ្វីមួយនឹងត្រូវប្រើដើម្បីដំណើរការលើកុំព្យូទ័រកង់ទិចនាពេលអនាគត ហើយវាផ្តល់ឱ្យគំរូនូវគោលដៅគោលបំណងដើម្បីរុញចុះក្រោម។

សៀគ្វី Quantum ក៏ដាក់កម្រិតដែលកម្មវិធីធម្មតាមិនមាន។ សៀគ្វីមួយមិនអាចសាខាលើការសម្រេចចិត្ត if- then បានទេ ព្រោះវាដំណើរការលើ superposition នៃ inputs ជាច្រើនក្នុងពេលតែមួយ ហើយត្រូវតែមានប្រតិបត្តិការសម្រាប់រាល់ផ្លូវរាល់ពេលដែលវាដំណើរការ។ វាមិនអាចបោះចោលព័ត៌មានបានទេ ដោយសារគ្រប់ជំហានត្រូវតែអាចបញ្ច្រាស់បាន — លទ្ធផលកម្រិតមធ្យមត្រូវតែរក្សាទុក ឬ "មិនបានគណនា" ដោយដំណើរការការគណនាដែលផលិតពួកវាបញ្ច្រាសដោយគិតថ្លៃនៅក្នុងច្រកបន្ថែម។ ឧបសគ្គទាំងនោះបង្ខំឱ្យមានការដោះដូររវាងចំនួន qubit និងពេលដំណើរការ ដែលពិតជាការរចនាម៉ូដរបស់ Claude ផ្លាស់ប្តូររូបរាងឡើងវិញ។

ការរត់រយៈពេល 53 ម៉ោងបង្កើតនូវក្បួនដោះស្រាយការបញ្ច្រាសម៉ូឌុលថ្មី។

ការរកឃើញលម្អិតដំបូងទាក់ទងនឹងចំណុចបន្ថែម ប្រតិបត្តិការស្នូលនៅក្នុងក្បួនដោះស្រាយ Quantum សម្រាប់បញ្ហាលោការីតដាច់ពីគ្នានៃរាងអេលីបទិក-ខ្សែកោង និងស្តង់ដារមួយក្នុងចំណោមស្តង់ដារនៃវាល។ ភាគច្រើននៃការចំណាយរបស់វាស្ថិតនៅក្នុងជំហានតែមួយ — ការបញ្ច្រាសម៉ូឌុល ដែលជាកំណែរុំព័ទ្ធនៃការបែងចែកដែលប្រើក្នុងនព្វន្ធរាងអេលីបទិក-កោង។

យោងតាមការបង្ហោះរបស់ Anthropic លោក Claude បានទទួលការសង្ខេបមួយកថាខណ្ឌដែលពន្យល់អំពីច្បាប់គណិតវិទ្យា និងរបៀបដែលអ្នកវាយតម្លៃនឹងដាក់ពិន្ទុលើការរចនានីមួយៗ បន្ទាប់មកធ្វើការរយៈពេល 53 ម៉ោងជាមួយនឹងការធ្វើអន្តរាគមន៍របស់មនុស្សតិចតួចបំផុត មុនពេលមកដល់វិធីសាស្រ្តថ្មីពិតប្រាកដ។ កុំព្យូទ័របុរាណគ្រប់គ្រងការបញ្ច្រាសម៉ូឌុលប្រកបដោយប្រសិទ្ធភាពជាមួយនឹងវិធីសាស្ត្រដែលហៅថា divsteps ប៉ុន្តែវិធីសាស្ត្រនោះមិនដែលបានផ្តល់សៀគ្វីកង់ទិចជាក់ស្តែងទេ ពីព្រោះការបញ្ច្រាសបង្ខំឱ្យសៀគ្វីកត់ត្រាប្រតិបត្តិការដែលត្រូវបានជ្រើសរើសនៅពេលធ្វើម្តងទៀតនីមួយៗ ហើយការរក្សាទុកប្រវត្តិសាខានោះទាមទារនូវចំនួន qubits បន្ថែមយ៉ាងច្រើន។

ការយល់ដឹងរបស់ក្លូដគឺថាកំណត់ត្រាប្រហែលជាមិនចាំបាច់រក្សាទុកទាល់តែសោះ៖ ពត៌មានសាខាអាចត្រូវបានឌិកូដនៅពេលក្រោយដោយពិនិត្យមើលលេខគូដែលផលិតនៅពេលធ្វើម្តងទៀតនីមួយៗ។ ច្បាប់នៃការឌិកូដដំបូងបានធ្វើការលើករណីសាកល្បងតូចៗ ប៉ុន្តែបានបរាជ័យក្នុងទំហំបញ្ហា 256 ប៊ីតពេញ។ បន្ទាប់មក គំរូនេះបានបង្ហាញអត្តសញ្ញាណស៊េរីនៃពិជគណិតថ្មីអំពីការធ្វើឡើងវិញ ទទួលបានរូបមន្តឌិកូដច្បាស់លាស់ ធ្វើឱ្យមានសុពលភាពក្នុងការក្លែងធ្វើលេខខ្នាតធំ និងធ្វើឱ្យការទាមទារជាផ្លូវការនៅក្នុងជំនួយការភស្តុតាង Lean ។

លទ្ធផល Anthropic និយាយថា គឺជាការអនុវត្តបញ្ច្រាស់ដំបូងនៃ divsteps ដោយគ្មានប្រវត្តិសាខា។ ដោយសារតែការឌិកូដជួយសន្សំសំចៃ qubits ប៉ុន្តែត្រូវចំណាយពេលវេលាដំណើរការ ក្លូដបានផលិតនូវការរចនាគ្រួសារមួយនៅតាមបណ្តោយព្រំដែនរវាងទាំងពីរ។ សៀគ្វីមួយនៅក្នុងគ្រួសារនោះប្រើ 12% qubits ប៉ុន្តែច្រកទ្វារតិចជាង 17 ដងជាងការរចនាមុនតូចបំផុត; ប្រកាសដាក់ឈ្មោះការរចនាដែលបានបោះពុម្ពមុនល្អបំផុតដូចជា Schrottenloher (2026) និង Luo et al ។ (២០២៦)។

ឧបករណ៍ឌិកូដតម្លៃថោកជាង 12x សម្រាប់ Quantum Optimization

របកគំហើញទីពីរ កំណត់គោលដៅ ឌីកូដ quantum interferometry (DQI) ដែលបានពិពណ៌នានៅក្នុងការប្រកាសថាជាបេក្ខជនដែលគេស្គាល់ខ្លាំងបំផុតសម្រាប់ការបង្កើនល្បឿន quantum superpolynomial ។ ជំហានដែលមានតម្លៃថ្លៃបំផុតរបស់ក្បួនដោះស្រាយគឺជាឧបករណ៍ឌិកូដដែលកែកំហុស ហើយការប៉ាន់ស្មានដោយអ្នកស្រាវជ្រាវ Google Quantum AI ដែលបានលើកឡើងនៅក្នុងការប្រកាសនេះបញ្ជាក់ថា ករណីជាក់លាក់នៃបញ្ហាប្រសព្វពហុនាមល្អបំផុតនឹងចំណាយពេលប្រហែល 3 ខែនៅលើកុំព្យូទ័រ Supercomputer Frontier ធៀបនឹងប្រហែលមួយម៉ោងនៅលើកុំព្យូទ័រ quantum នាពេលអនាគត — ដោយភាគច្រើននៃម៉ោងនោះបានចំណាយលើការឌិកូដឡើងវិញ។

សៀគ្វីឌិកូដឌិកូដដែលទំនើបបំផុតពីមុនត្រូវបានបង្កើតឡើងនៅលើក្បួនដោះស្រាយ Euclidean ដែលបានពង្រីក ដែលចំនួនជំហានអាស្រ័យលើការបញ្ចូល ដោយបង្ខំឱ្យសៀគ្វីកង់ទិចពង្រីកការគណនាលើករណីដ៏អាក្រក់បំផុត ហើយដំណើរការរាល់ប្រតិបត្តិការនៅគ្រប់ជុំ។ ជំនួសវិញ Claude បានរៀបចំសៀគ្វីរបស់ខ្លួនជុំវិញការឌិកូដ Berlekamp-Massey ដែលដំណើរការដូចគ្នារាល់ជុំ។ ការបង្កើតឡើងវិញនោះបានបង្កើតជាបញ្ហានៃការចងចាំ ដែលម៉ូដែលនេះបានដោះស្រាយតាមស្ថិតិ៖ វាសរសេរកម្មវិធីក្លែងធ្វើល្បឿនលឿន និងដំណើរការការឌិកូដគំរូចំនួន 403 លានដើម្បីវាស់ថាតើតម្លៃពិសេសកើតឡើងញឹកញាប់ប៉ុណ្ណា។ ស្ទើរតែរាល់ការរត់ដែលត្រូវការដើម្បីរក្សាទុកតម្លៃមួយច្រើនបំផុត ដូច្នេះសៀគ្វីរក្សា 19 qubits ជំនួសឱ្យ 665 ដែលការរចនាករណីអាក្រក់បំផុតនឹងត្រូវការ ដោយប្រហែលមួយការរត់ក្នុង 10,000 បរាជ័យ — អត្រាដែលប្រកាសនិយាយថាល្អនៅក្នុងថវិកាកំហុសរបស់ភារកិច្ច។ ការបង្កើនប្រសិទ្ធភាពកាត់បន្ថយចំនួនច្រកទ្វាររបស់ឧបករណ៍ឌិកូដដោយកត្តា 12 ទាក់ទងទៅនឹងការសាងសង់ពីមុនរបស់ Google តាមរយៈការផ្លាស់ប្តូរនៅកម្រិតវិធីសាស្រ្ត ស្ថាបត្យកម្ម និងធនធាន-ថវិកា។

ហេតុអ្វីវាសំខាន់ — និងអ្វីដែលវាមិនបញ្ជាក់

ដើម្បីបង្ហាញពីភាគហ៊ុន ប្រកាសរបស់ Anthropic រៀបរាប់ពីប្រវត្តិរបស់ FeMoco ដែលជាចង្កោមដែក-ស្ពាន់ធ័រនៅបេះដូងនៃ nitrase អង់ស៊ីមបាក់តេរីប្រើប្រាស់ដើម្បីបង្វែរអាសូតទៅជាអាម៉ូញាក់។ ក្នុងឆ្នាំ 2017 អ្នកស្រាវជ្រាវបានប៉ាន់ប្រមាណថាការគណនាថាមពលរដ្ឋដីរបស់ FeMoco នឹងត្រូវការច្រកទ្វារ Toffoli ប្រហែល 50 ពាន់ពាន់លាន។ ភាពជឿនលឿននៃក្បួនដោះស្រាយជាបន្តបន្ទាប់ក្នុងរយៈពេលប្រាំបីឆ្នាំបាននាំមកនូវការប៉ាន់ប្រមាណដល់ប្រហែល 340 លាន ដែលជាការថយចុះចំនួន 150,000 ដង ដែលត្រូវនឹងការគណនាពីរបីម៉ោងនៅលើម៉ាស៊ីនអនាគតដែលមានប្រហែល 3 លាន qubits ។ ភាពផ្ទុយគ្នាដែលក្រុមហ៊ុនគូរនេះគឺមិនច្បាស់លាស់៖ ការធ្វើឱ្យប្រសើរឡើង 150,000 ដងបានចំណាយពេលក្រុមស្រាវជ្រាវជាច្រើនរយៈពេល 8 ឆ្នាំ ខណៈពេលដែលលទ្ធផលរាងអេលីបទិកបានមកពីការរត់តែមួយរយៈពេល 53 ម៉ោង។

ការព្រមានគឺច្បាស់ដូចគ្នា។ កុំព្យូទ័រ quantum សព្វថ្ងៃមាន qubits រាប់រយទៅរាប់ពាន់ ហើយ qubits ទាំងនោះមានភាពរសើបខ្លាំងចំពោះសំលេងរំខាន ដូច្នេះទាំងនេះគឺជាការរចនាសម្រាប់ Hardware នាពេលអនាគត ជាជាងការបង្ហាញនៅលើម៉ាស៊ីនដែលកំពុងធ្វើការ។ ហើយលទ្ធផលគឺជាការអះអាងផ្ទាល់ខ្លួនរបស់ Anthropic ទោះបីជាគាំទ្រដោយភស្តុតាង Lean សុពលភាពលេខ និងអ្នកវាយតម្លៃឯករាជ្យក៏ដោយ។ ការពិនិត្យមើលក្រដាស arXiv កាន់តែទូលំទូលាយគឺទើបតែចាប់ផ្តើមប៉ុណ្ណោះ។

Anthropic ក៏រាយការណ៍ពីគំរូអាកប្បកិរិយាដំបូងដែលគួរកត់សម្គាល់ផងដែរ៖ នៅក្នុងការពិសោធន៍ដំបូង Claude គឺអភិរក្សនិយម ពិនិត្យពីរដង និងបីដងម្តងហើយម្តងទៀតនូវលទ្ធផលដែលគាំទ្រយ៉ាងល្អ និងចូលចិត្តវិធីសាស្រ្តដែលធ្លាប់ស្គាល់។ ក្រុមការងារបានឆ្លើយតបនឹងបញ្ហានេះដោយតម្រូវឱ្យការរចនាផ្សេងៗគ្នាប្រកបដោយគុណភាពស្របគ្នា ហើយម្តងម្កាលជំរុញឱ្យម៉ូដែលនេះពង្រីកការស្វែងរករបស់ខ្លួន — ការប្រុងប្រយ័ត្នដូចគ្នា ប្រកាសកំណត់ចំណាំដែលជំរុញឱ្យមានភស្តុតាង Lean តាំងពីដំបូង។

ទស្សនវិស័យដែលបានបញ្ជាក់របស់ក្រុមហ៊ុនគឺថា AI នៅទីបំផុតអាចរួមគ្នាបង្កើនប្រសិទ្ធភាពរាល់សមាសធាតុនៃកុំព្យូទ័រ quantum ដែលបានកែកំហុស ពី algorithm រហូតដល់ hardware សម្រាប់បញ្ហាជាក់លាក់មួយ។ ប្រសិនបើលទ្ធផលរក្សាឡើង ក្រដាសអាចត្រូវបានគេចងចាំតិចជាងសម្រាប់សៀគ្វីតែមួយ ជាងការបង្ហាញដែលគំរូភាសាអាចរក្សាបានដោយខ្លួនឯងនៅក្នុងវិញ្ញាសារចនាដែលទាមទារបំផុតរបស់កុំព្យូទ័រ។

នាំមុខ AI

ការគណនា Quantum គំរូព្រំដែន និងរបកគំហើញនៃការស្រាវជ្រាវរវាងពួកវាដំណើរការយ៉ាងលឿន។ [អានព័ត៌មាន AI បន្ថែម] (https://aibuzzwire.news) នៅលើ AI Buzz Wire ។

អានព័ត៌មាន AI បន្ថែម →