अँथ्रोपिक म्हणते की त्याच्या क्लॉड मिथॉस 5 मॉडेलने क्वांटम सर्किट्स डिझाइन केले आहेत जे आठपैकी सात संगणकीय कार्यांमध्ये, काही प्रकरणांमध्ये किंवा त्याहून अधिक क्रमाने, पूर्वी प्रकाशित केलेल्या सर्वोत्तम डिझाइनमध्ये सुधारणा करतात. दावा, शुक्रवारी प्रकाशित झालेल्या एका संशोधन पोस्टमध्ये आणि 15 ऑक्टोबर रोजी arXiv ला सादर केलेला 46-पानांचा पेपर, हे प्रयोगशाळेचे सर्वात ठोस प्रात्यक्षिक असूनही मोठ्या भाषेचे मॉडेल विद्यमान ज्ञानाचा सारांश देण्याऐवजी मूळ वैज्ञानिक रचना तयार करू शकतात.
अँथ्रोपिकच्या STEM फेलो प्रोग्रामद्वारे अँथ्रोपिक क्वांटम भौतिकशास्त्रज्ञ ॲलेक केमेनी यांच्या मार्गदर्शनासह आणि हार्वर्ड भौतिकशास्त्रज्ञ सुझॅन येलिन आणि मिखाईल लुकिन यांच्या सहकार्याने, जे क्वांटम कॉम्प्युटिंग कंपनी QuEra चे संस्थापक आहेत, यांच्या सहकार्याने हे काम अँडी गु यांनी केले. Unite.AI नुसार, "मोठ्या भाषा मॉडेल्ससह अत्याधुनिक क्वांटम सर्किट्सचा शोध लावणे" या शीर्षकाचा पेपर 10 आकृत्या आणि सहा तक्त्यांसह 46 पृष्ठांवर चालतो, जो द क्वांटम इनसाइडर आणि इंटरेस्टिंग इंजिनीअरिंग सोबत परिणामांचा तपशीलवार अहवाल देणाऱ्या पहिल्या आउटलेटपैकी एक होता.
आठ कार्ये संगणकीय आदिम आहेत — मूलभूत दिनचर्या ज्यामधून मोठ्या क्वांटम अल्गोरिदम तयार केले जातात — विस्तृत रसायनशास्त्र, ऑप्टिमायझेशन, क्वांटम सिम्युलेशन, संख्या सिद्धांत आणि संख्यात्मक संगणन. पेपरच्या ॲब्स्ट्रॅक्टनुसार, आठपैकी सात टास्कमध्ये शोधलेले सर्किट अत्याधुनिक स्थितीच्या तुलनेत टॉफोली गेट काउंट आणि क्विट काउंट दोन्ही लक्षणीयरीत्या कमी करतात, तर आठव्याने प्राइम-फील्ड मॉड्यूलर इनव्हर्शनसाठी पूर्णपणे नवीन उलट करता येण्याजोगे आर्किटेक्चर दिले.
अँथ्रोपिकच्या संशोधन आउटपुटचे कव्हरेज आणि विज्ञानात AI लागू करण्याच्या व्यापक शर्यतीसाठी, क्षेत्र विकसित होताना आमच्या ब्रेकिंग एआय न्यूज कव्हरेजचे अनुसरण करा.
बंद लूप कसे कार्य करते
डिझाइन प्रक्रिया ही एक उत्क्रांती लूप आहे ज्यामध्ये भाषा मॉडेल सर्किट्स प्रस्तावित करते आणि एक स्वतंत्र मूल्यांकनकर्ता त्यांची तपासणी करतो. क्वांटम सर्किट्स सामान्य कोड म्हणून लिहिल्या जाऊ शकतात, म्हणून क्लॉड मायथोस 5 ने पायथन प्रोग्राम्स म्हणून डिझाइन सादर केले, अचूकता अभिप्राय आणि मूल्यांकनकर्त्याकडून गुण प्राप्त केले आणि सुधारित केले — फेऱ्यांमधील मानवी इनपुटशिवाय.
स्कोअर मुद्दाम सोपे आहे: क्विटची संख्या गेट्सच्या संख्येने गुणाकार केली जाते. हे उत्पादन भविष्यातील क्वांटम संगणकावर सर्किट चालण्यासाठी किती वेळ लागेल याची प्रॉक्सी म्हणून काम करते आणि ते मॉडेलला खाली ढकलण्याचे उद्दिष्ट देते.
क्वांटम सर्किट्स देखील प्रतिबंध लादतात जे सामान्य सॉफ्टवेअर करत नाहीत. सर्किट जर-तर निर्णयांवर शाखा करू शकत नाही, कारण ते एकाच वेळी अनेक इनपुटच्या सुपरपोझिशनवर कार्यान्वित होते आणि प्रत्येक वेळी ते चालत असताना प्रत्येक मार्गासाठी ऑपरेशन्स असणे आवश्यक आहे. ते माहिती टाकूनही देऊ शकत नाही, कारण प्रत्येक पायरी उलट करता येण्यासारखी असणे आवश्यक आहे — मध्यवर्ती परिणाम संग्रहित केले जाणे आवश्यक आहे किंवा अतिरिक्त गेट्समध्ये खर्च करून, उलट गणनेने तयार केलेले गणन चालवून "असंगणित" केले पाहिजे. त्या मर्यादांमुळे क्यूबिट काउंट आणि रनटाइम यांच्यातील ट्रेड-ऑफला भाग पाडले जाते, जे तंतोतंत ट्रेड-ऑफ क्लॉडच्या डिझाईन्सचे आकार बदलते.
53-तासांची धाव नवीन मॉड्यूलर इनव्हर्शन अल्गोरिदम तयार करते
प्रथम तपशीलवार शोध बिंदू जोडण्याशी संबंधित आहे, लंबवर्तुळाकार-वक्र स्वतंत्र लॉगरिथम समस्येसाठी क्वांटम अल्गोरिदममधील कोर ऑपरेशन आणि फील्डच्या मानक बेंचमार्कपैकी एक. त्याची बहुतेक किंमत एका चरणात बसते — मॉड्यूलर उलथापालथ, लंबवर्तुळाकार-वक्र अंकगणितामध्ये वापरल्या जाणाऱ्या भागाची रॅपराउंड आवृत्ती.
अँथ्रोपिकच्या पोस्टनुसार, क्लॉडला गणितीय नियम आणि मूल्यमापनकर्ता प्रत्येक डिझाईनचा स्कोअर कसा करेल हे समजावून सांगणारा एक-परिच्छेद संक्षिप्त प्राप्त झाला, त्यानंतर वास्तविक नवीन दृष्टिकोनावर येण्यापूर्वी कमीतकमी मानवी हस्तक्षेपासह 53 तास काम केले. शास्त्रीय संगणक divsteps नावाच्या पद्धतीसह मॉड्युलर उलथापालथ कार्यक्षमतेने हाताळतात, परंतु त्या पद्धतीने कधीही व्यावहारिक क्वांटम सर्किट प्राप्त केले नाही, कारण प्रत्यावर्तीपणा सर्किटला प्रत्येक पुनरावृत्तीवर कोणते ऑपरेशन निवडले होते हे रेकॉर्ड करण्यास भाग पाडते — आणि त्या शाखेचा इतिहास संचयित करण्यासाठी मोठ्या संख्येने अतिरिक्त qubits आवश्यक आहेत.
क्लॉडची अंतर्दृष्टी अशी होती की रेकॉर्ड संग्रहित करण्याची अजिबात गरज नाही: प्रत्येक पुनरावृत्तीवर उत्पादित संख्यांच्या जोडीची तपासणी करून शाखेची माहिती नंतर डीकोड केली जाऊ शकते. प्रारंभिक डीकोडिंग नियम लहान चाचणी प्रकरणांवर कार्य करतात परंतु पूर्ण 256-बिट समस्या आकारात अयशस्वी झाले, पोस्ट म्हणते. त्यानंतर मॉडेलने पुनरावृत्तीबद्दल नवीन बीजगणितीय ओळखांची मालिका सिद्ध केली, एक अचूक डीकोडिंग सूत्र मिळवले, मोठ्या प्रमाणात संख्यात्मक सिम्युलेशनमध्ये ते प्रमाणित केले आणि लीन प्रूफ असिस्टंटमध्ये दावा औपचारिक केला.
परिणाम, एन्थ्रोपिक म्हणतात, संग्रहित शाखा इतिहास नसलेल्या डिव्हस्टेप्सची पहिली उलट करता येणारी अंमलबजावणी आहे. कारण डीकोडिंगमुळे क्यूबिट्सची बचत होते परंतु रनटाइम खर्च होतो, क्लॉडने या दोघांमधील सीमेवर डिझाइन्सचे एक कुटुंब तयार केले. त्या कुटुंबातील एका सर्किटमध्ये 12% अधिक क्यूबिट्स वापरतात परंतु सर्वात लहान मागील डिझाइनपेक्षा 17 पट कमी गेट्स वापरतात; पोस्टमध्ये Schrottenloher (2026) आणि Luo et al अशी सर्वोत्कृष्ट अगोदर प्रकाशित डिझाईन्सची नावे आहेत. (२०२६).
क्वांटम ऑप्टिमायझेशनसाठी 12x स्वस्त डीकोडर
दुसरा शोध डीकोडेड क्वांटम इंटरफेरोमेट्री (DQI) ला लक्ष्य करतो, ज्याचे पोस्टमध्ये सुपरपॉलिनॉमियल क्वांटम स्पीडअपसाठी सर्वात मजबूत ज्ञात उमेदवारांपैकी एक म्हणून वर्णन केले आहे. अल्गोरिदमची सर्वात महागडी पायरी म्हणजे त्रुटी-दुरुस्ती करणारा डीकोडर आहे, आणि पोस्टमध्ये उद्धृत केलेल्या Google Quantum AI संशोधकांच्या अंदाजावरून असे सूचित होते की इष्टतम बहुपदी छेदनबिंदू समस्येचे एक विशिष्ट उदाहरण फ्रंटियर सुपरकॉम्प्युटरवर सुमारे तीन महिने लागतील विरुद्ध भविष्यातील क्वांटम कॉम्प्यूटरवर अंदाजे एक तास.
पूर्वीचे अत्याधुनिक डीकोडर सर्किट विस्तारित युक्लिडियन अल्गोरिदमवर तयार केले गेले होते, ज्याची पायरी गणना इनपुटवर अवलंबून असते, क्वांटम सर्किटला सर्वात वाईट परिस्थितीत गणना वाढवण्यास भाग पाडते आणि प्रत्येक फेरीत प्रत्येक ऑपरेशन चालवते. क्लॉडने त्याऐवजी बर्लेकॅम्प-मॅसी डीकोडिंगभोवती त्याचे सर्किट आयोजित केले, जे प्रत्येक फेरीत समान कार्य करते. त्या उलट करण्यामुळे मेमरी समस्या निर्माण झाली, जी मॉडेलने सांख्यिकीयदृष्ट्या सोडवली: त्याने उच्च-गती सिम्युलेटर लिहिले आणि अपवादात्मक मूल्ये किती वेळा उद्भवतात हे मोजण्यासाठी 403 दशलक्ष नमुना डीकोडिंग चालवले. जवळजवळ प्रत्येक रनला जास्तीत जास्त एक मूल्य जतन करण्यासाठी आवश्यक आहे, त्यामुळे सर्किटमध्ये सर्वात वाईट-केस डिझाइनची आवश्यकता असलेल्या 665 ऐवजी 19 क्यूबिट्स राखून ठेवल्या जातात, 10,000 मध्ये अंदाजे एक रन अयशस्वी होतो — पोस्टने सांगितलेला दर टास्कच्या त्रुटी बजेटमध्ये योग्य आहे. ऑप्टिमायझेशनने पद्धत, आर्किटेक्चर आणि संसाधन-बजेट स्तरांवर बदल करून, Google च्या मागील बांधकामाच्या तुलनेत 12 च्या घटकाने डीकोडरच्या गेटची संख्या कमी केली.
हे महत्त्वाचे का आहे — आणि ते काय सिद्ध करत नाही
स्टेक्स स्पष्ट करण्यासाठी, अँथ्रोपिकच्या पोस्टमध्ये फेमोकोचा इतिहास सांगितला जातो, नायट्रोजनेजच्या मध्यभागी असलेले लोह-सल्फर क्लस्टर, एंजाइम बॅक्टेरिया नायट्रोजनचे अमोनियामध्ये रूपांतर करण्यासाठी वापरतात. 2017 मध्ये, संशोधकांनी असा अंदाज लावला की FeMoco च्या ग्राउंड-स्टेट एनर्जीची गणना करण्यासाठी अंदाजे 50 ट्रिलियन टॉफोली गेट्सची आवश्यकता असेल; आठ वर्षांतील अल्गोरिदमिक प्रगतीच्या मालिकेने अंदाज 340 दशलक्षांपर्यंत आणला - 150,000 पट कपात जी सुमारे तीन दशलक्ष भौतिक क्यूबिट्ससह भविष्यातील मशीनवर काही तासांच्या गणनेशी संबंधित आहे. कंपनीने काढलेला विरोधाभास स्पष्ट आहे: 150,000 पट सुधारण्यासाठी अनेक संशोधन गटांना आठ वर्षे लागली, तर लंबवर्तुळाकार-वक्र निकाल 53-तासांच्या धावण्याने बाहेर आला.
चेतावणी तितकेच स्पष्ट आहेत. आजच्या क्वांटम कॉम्प्युटरमध्ये केवळ शेकडो ते हजारो क्यूबिट्स आहेत आणि ते क्यूबिट्स आवाजासाठी अत्यंत संवेदनशील आहेत, म्हणून हे कार्यरत मशीनवरील प्रात्यक्षिकांपेक्षा भविष्यातील हार्डवेअरसाठी डिझाइन आहेत. आणि परिणाम हे अँथ्रोपिकचे स्वतःचे दावे आहेत, जरी दुबळे पुरावे, संख्यात्मक प्रमाणीकरण आणि स्वतंत्र मूल्यांकनकर्ता यांचा पाठिंबा आहे; arXiv पेपरची विस्तीर्ण समवयस्क छाननी फक्त सुरुवात झाली आहे.
एन्थ्रोपिक देखील लक्षात घेण्यासारखे प्रारंभिक वर्तणूक नमुना नोंदवतो: सुरुवातीच्या प्रयोगांमध्ये क्लॉड पुराणमतवादी होता, वारंवार दुहेरी- आणि तिहेरी-तपासणीचे चांगले-समर्थित परिणाम आणि परिचित दृष्टिकोनांना प्राधान्य देत होता. समांतरपणे अनेक गुणात्मकरीत्या भिन्न डिझाईन्स आवश्यक असलेल्या आणि अधूनमधून मॉडेलला त्याचा शोध विस्तृत करण्यासाठी प्रॉम्प्ट करून संघाने याचा प्रतिकार केला - तीच खबरदारी, पोस्ट नोट्स, ज्याने प्रथम स्थानावर लीन पुरावे प्रवृत्त केले.
कंपनीचा स्पष्ट दृष्टीकोन असा आहे की एआय अखेरीस विशिष्ट समस्येसाठी एरर-दुरुस्त क्वांटम कॉम्प्युटरच्या अल्गोरिदमपासून ते हार्डवेअरपर्यंतच्या प्रत्येक घटकाला संयुक्तपणे ऑप्टिमाइझ करू शकते. परिणाम टिकून राहिल्यास, संगणकाच्या सर्वात मागणी असलेल्या डिझाईन विषयांपैकी एक भाषा मॉडेल स्वतःचे धारण करू शकते या प्रात्यक्षिकापेक्षा कोणत्याही एका सर्किटसाठी पेपर कमी लक्षात ठेवला जाऊ शकतो.
AI च्या पुढे रहा
क्वांटम कॉम्प्युटिंग, फ्रंटियर मॉडेल्स आणि त्यांच्यातील संशोधनातील प्रगती वेगाने पुढे सरकते. AI Buzz Wire वर अधिक AI बातम्या वाचा.
*अधिक AI बातम्या वाचा →
