انتھروپک کا کہنا ہے کہ اس کے کلاڈ میتھوس 5 ماڈل نے کوانٹم سرکٹس ڈیزائن کیے ہیں جو آٹھ میں سے سات کمپیوٹیشنل کاموں میں پہلے سے شائع شدہ بہترین ڈیزائنوں پر بہتر ہوتے ہیں، بعض صورتوں میں شدت یا اس سے زیادہ کے حکم سے۔ دعویٰ، جمعہ کو شائع ہونے والی ایک تحقیقی پوسٹ اور 15 اکتوبر کو arXiv کو جمع کرائے گئے 46 صفحات پر مشتمل ایک مقالہ، ابھی تک لیب کا سب سے ٹھوس مظاہرہ ہے کہ بڑے زبان کے ماڈل موجودہ علم کا خلاصہ کرنے کے بجائے اصل سائنسی ڈیزائن تیار کر سکتے ہیں۔
اس کام کی قیادت اینڈی گو نے اینتھروپک کے STEM فیلو پروگرام کے ذریعے کی، جس میں اینتھروپک کوانٹم فزیکسٹ ایلک کیمینی کی رہنمائی اور ہارورڈ کے ماہر طبیعیات سوزان ییلن اور میخائل لوکن کے تعاون سے، جو کوانٹم کمپیوٹنگ کمپنی QuEra کے بانی بھی ہیں۔ Unite.AI کے مطابق، "بڑے زبان کے ماڈلز کے ساتھ جدید ترین کوانٹم سرکٹس کی دریافت" کے عنوان سے یہ مقالہ 10 اعداد و شمار اور چھ ٹیبلز کے ساتھ 46 صفحات پر مشتمل ہے، جو The Quantum Insider اور Interesting Engineering کے ساتھ نتائج کی تفصیل سے رپورٹ کرنے والے پہلے آؤٹ لیٹس میں شامل تھا۔
آٹھ کام کمپیوٹیشنل پرائمیٹوز ہیں — بنیادی معمولات جن سے بڑے کوانٹم الگورتھم بنائے جاتے ہیں — پھیلے ہوئے کیمسٹری، آپٹیمائزیشن، کوانٹم سمولیشن، نمبر تھیوری، اور عددی کمپیوٹنگ۔ مقالے کے خلاصہ کے مطابق، آٹھ میں سے سات کاموں میں دریافت شدہ سرکٹس نے ٹوفولی گیٹ کی گنتی اور کوئبٹ شمار دونوں کو آرٹ کی حالت کے لحاظ سے نمایاں طور پر کم کیا، جب کہ آٹھویں نے پرائم فیلڈ ماڈیولر الٹ جانے کے لیے بالکل نیا الٹنے والا فن تعمیر حاصل کیا۔
Anthropic کی تحقیقی پیداوار کی مسلسل کوریج اور AI کو سائنس پر لاگو کرنے کی وسیع تر دوڑ کے لیے، ہماری بریکنگ AI نیوز کی کوریج جیسے جیسے میدان تیار ہوتا ہے، کی پیروی کریں۔
بند لوپ کیسے کام کرتا ہے۔
ڈیزائن کا عمل ایک ارتقائی لوپ ہے جس میں لینگویج ماڈل سرکٹس تجویز کرتا ہے اور ایک آزاد ایویلیویٹر ان کی جانچ کرتا ہے۔ کوانٹم سرکٹس کو عام کوڈ کے طور پر لکھا جا سکتا ہے، اس لیے کلاڈ میتھوس 5 نے ازگر کے پروگراموں کے طور پر ڈیزائن پیش کیے، درستگی کی رائے اور تشخیص کار سے اسکور حاصل کیا، اور نظر ثانی کی گئی — راؤنڈ کے درمیان کوئی انسانی ان پٹ نہیں ہے۔
سکور جان بوجھ کر آسان ہے: qubits کی تعداد گیٹس کی تعداد سے ضرب۔ یہ پروڈکٹ ایک پراکسی کے طور پر کام کرتا ہے کہ مستقبل کے کوانٹم کمپیوٹر پر سرکٹ کو چلنے میں کتنا وقت لگے گا، اور یہ ماڈل کو نیچے دھکیلنے کے لیے ایک مقصدی ہدف دیتا ہے۔
کوانٹم سرکٹس بھی ایسی پابندیاں عائد کرتے ہیں جو عام سافٹ ویئر نہیں کرتے ہیں۔ ایک سرکٹ اگر-تو فیصلوں پر برانچ نہیں کر سکتا، کیونکہ یہ ایک ہی وقت میں بہت سے ان پٹ کے سپرپوزیشن پر عمل کرتا ہے اور ہر بار جب یہ چلتا ہے تو اس میں ہر راستے کے لیے آپریشن ہوتے ہیں۔ یہ معلومات کو بھی ضائع نہیں کر سکتا، کیوں کہ ہر قدم کو الٹ پلٹ کیا جا سکتا ہے — انٹرمیڈیٹ کے نتائج کو اضافی گیٹس میں لاگت پر، ریورس میں پیدا کرنے والے کمپیوٹیشن کو چلا کر ذخیرہ کیا جانا چاہیے یا "غیر حسابی" ہونا چاہیے۔ یہ رکاوٹیں qubit کاؤنٹ اور رن ٹائم کے درمیان ٹریڈ آف پر مجبور کرتی ہیں، جو کہ بالکل ٹھیک طور پر Claude کے ڈیزائن کو تبدیل کر دیا گیا ہے۔
53 گھنٹے کی دوڑ ایک نیا ماڈیولر الٹا الگورتھم تیار کرتی ہے۔
پہلی تفصیلی دریافت میں اضافہ، بیضوی وکر مجرد لوگارتھم کے مسئلے کے لیے کوانٹم الگورتھم میں بنیادی آپریشن اور فیلڈ کے معیاری معیارات میں سے ایک ہے۔ اس کی زیادہ تر لاگت ایک قدم میں بیٹھتی ہے — ماڈیولر الٹا، تقسیم کا ریپراؤنڈ ورژن بیضوی وکر ریاضی میں استعمال ہوتا ہے۔
Anthropic کی پوسٹ کے مطابق، Claude کو ایک پیراگراف کا مختصر بیان ملا جس میں ریاضی کے اصول کی وضاحت کی گئی تھی اور یہ کہ اندازہ لگانے والا ہر ڈیزائن کو کس طرح اسکور کرے گا، پھر حقیقی طور پر نئے نقطہ نظر پر پہنچنے سے پہلے کم سے کم انسانی مداخلت کے ساتھ 53 گھنٹے تک کام کیا۔ کلاسیکی کمپیوٹرز ماڈیولر الٹ جانے کو ایک طریقہ کار سے ہینڈل کرتے ہیں جسے divsteps کہا جاتا ہے، لیکن اس طریقے سے کبھی عملی کوانٹم سرکٹ حاصل نہیں ہوا تھا، کیونکہ الٹنے کی صلاحیت سرکٹ کو یہ ریکارڈ کرنے پر مجبور کرتی ہے کہ ہر تکرار پر کون سے آپریشن کا انتخاب کیا گیا تھا - اور اس برانچ کی تاریخ کو ذخیرہ کرنے کے لیے بڑی تعداد میں اضافی کوبٹس کی ضرورت ہوتی ہے۔
کلاڈ کی بصیرت یہ تھی کہ ریکارڈ کو ذخیرہ کرنے کی بالکل بھی ضرورت نہیں ہے: ہر تکرار پر تیار کردہ نمبروں کے جوڑے کا معائنہ کرکے برانچ کی معلومات کو بعد میں ڈی کوڈ کیا جاسکتا ہے۔ پوسٹ میں کہا گیا ہے کہ ابتدائی ضابطہ کشائی کرنے والے قوانین چھوٹے ٹیسٹ کیسز پر کام کرتے تھے لیکن 256 بٹ مسئلے کے مکمل سائز میں ناکام رہے۔ اس کے بعد ماڈل نے تکرار کے بارے میں نئی الجبری شناختوں کی ایک سیریز کو ثابت کیا، ایک درست ضابطہ کشائی کا فارمولہ اخذ کیا، اسے بڑے پیمانے پر عددی نقالی میں درست کیا، اور لین پروف اسسٹنٹ میں دعویٰ کو باقاعدہ بنایا۔
اینتھروپک کا کہنا ہے کہ نتیجہ، برانچ ہسٹری کے بغیر ڈیوسٹپس کا پہلا الٹ جانے والا نفاذ ہے۔ چونکہ ڈی کوڈ کرنے سے کوئبٹس کی بچت ہوتی ہے لیکن رن ٹائم خرچ ہوتا ہے، کلاڈ نے دونوں کے درمیان سرحد کے ساتھ ساتھ ڈیزائنوں کا ایک خاندان تیار کیا۔ اس خاندان میں ایک سرکٹ 12% زیادہ کیوبٹس استعمال کرتا ہے لیکن پچھلے چھوٹے سے چھوٹے ڈیزائن کے مقابلے میں 17 گنا کم گیٹس۔ پوسٹ میں پہلے سے شائع شدہ بہترین ڈیزائنوں کا نام Schrottenloher (2026) اور Luo et al۔ (2026)۔
کوانٹم آپٹیمائزیشن کے لیے 12x سستا ڈیکوڈر
دوسری دریافت ڈی کوڈ شدہ کوانٹم انٹرفیومیٹری (DQI) کو نشانہ بناتی ہے، جسے پوسٹ میں سپر پولینومیل کوانٹم اسپیڈ اپ کے مضبوط ترین امیدواروں میں سے ایک کے طور پر بیان کیا گیا ہے۔ الگورتھم کا سب سے مہنگا مرحلہ ایک غلطی کو درست کرنے والا ڈیکوڈر ہے، اور گوگل کوانٹم اے آئی کے محققین کے اندازوں سے جو پوسٹ میں حوالہ دیا گیا ہے اس کا مطلب یہ ہے کہ زیادہ سے زیادہ پولی نامی انٹرسیکشن مسئلہ کی ایک خاص مثال فرنٹیئر سپر کمپیوٹر پر تقریباً ایک گھنٹہ کے مقابلے میں مستقبل کے کوانٹم کمپیوٹر پر تقریباً ایک گھنٹہ لگ جائے گی۔
پچھلا جدید ترین ڈیکوڈر سرکٹ توسیع شدہ یوکلیڈین الگورتھم پر بنایا گیا تھا، جس کے قدموں کی گنتی ان پٹ پر منحصر ہے، ایک کوانٹم سرکٹ کو بدترین صورت میں کمپیوٹیشن کو پھیلانے اور ہر دور میں ہر آپریشن کو چلانے پر مجبور کرتا ہے۔ کلاڈ نے اس کے بجائے برلیکمپ – میسی ڈی کوڈنگ کے ارد گرد اپنے سرکٹ کو منظم کیا، جو ہر دور میں ایک ہی کام انجام دیتا ہے۔ اس کو تبدیل کرنے سے میموری کا مسئلہ پیدا ہوا، جسے ماڈل نے شماریاتی طور پر حل کیا: اس نے ایک تیز رفتار سمیلیٹر لکھا اور 403 ملین نمونے کی ضابطہ کشائی کی تاکہ یہ اندازہ لگایا جا سکے کہ غیر معمولی قدریں کتنی بار ہوتی ہیں۔ تقریباً ہر رن کو زیادہ سے زیادہ ایک قیمت بچانے کے لیے درکار ہوتا ہے، اس لیے سرکٹ 665 کے بجائے 19 کوئبٹس محفوظ رکھتا ہے جس کی ضرورت ہوتی ہے، جس میں 10,000 میں تقریباً ایک رن ناکام ہو جاتا ہے — پوسٹ کے مطابق ٹاسک کے خرابی کے بجٹ کے اندر ایک شرح ہے۔ اصلاح نے طریقہ کار، فن تعمیر، اور وسائل کے بجٹ کی سطحوں میں تبدیلیوں کے ذریعے ڈیکوڈر کے گیٹ کی گنتی کو گوگل کی سابقہ تعمیر کے مقابلے میں 12 کے عنصر سے کم کیا۔
یہ کیوں اہم ہے - اور یہ کیا ثابت نہیں کرتا ہے۔
داؤ کو واضح کرنے کے لیے، Anthropic کی پوسٹ FeMoco کی تاریخ بیان کرتی ہے، نائٹروجنیز کے مرکز میں آئرن – سلفر کا جھرمٹ، انزائم بیکٹیریا نائٹروجن کو امونیا میں تبدیل کرنے کے لیے استعمال کرتے ہیں۔ 2017 میں، محققین نے اندازہ لگایا کہ FeMoco کی زمینی ریاست کی توانائی کو کمپیوٹنگ کرنے کے لیے تقریباً 50 ٹریلین ٹوفولی گیٹس کی ضرورت ہوگی۔ آٹھ سالوں میں الگورتھمک پیشرفت کی ایک سیریز نے تخمینہ تقریباً 340 ملین تک پہنچا دیا - ایک 150,000 گنا کمی جو کہ تقریباً 30 لاکھ فزیکل qubits کے ساتھ مستقبل کی مشین پر چند گھنٹوں کی گنتی کے مساوی ہے۔ کمپنی نے جو تضاد کھینچا ہے وہ دو ٹوک ہے: کہ 150,000 گنا بہتری میں کئی ریسرچ گروپس کو آٹھ سال لگے، جبکہ بیضوی وکر کا نتیجہ صرف 53 گھنٹے کی دوڑ سے نکلا۔
انتباہات بھی اتنے ہی واضح ہیں۔ آج کے کوانٹم کمپیوٹرز میں صرف سینکڑوں سے ہزاروں کیوبٹس ہوتے ہیں، اور وہ کیوبٹس شور کے لیے انتہائی حساس ہوتے ہیں، اس لیے یہ کام کرنے والی مشینوں پر مظاہروں کے بجائے مستقبل کے ہارڈ ویئر کے لیے ڈیزائن ہیں۔ اور نتائج انتھروپک کے اپنے دعوے ہیں، اگرچہ دبلے ثبوت، عددی توثیق، اور ایک آزاد تشخیص کار کی حمایت کے باوجود؛ arXiv پیپر کی وسیع تر جانچ پڑتال ابھی شروع ہو رہی ہے۔
انتھروپک ابتدائی طرز عمل کے نمونے کی بھی اطلاع دیتا ہے جو قابل توجہ ہے: ابتدائی تجربات میں کلاڈ قدامت پسند تھا، بار بار دوہرا اور ٹرپل چیک کرنے والے اچھی طرح سے تائید شدہ نتائج اور مانوس طریقوں کو ترجیح دیتے تھے۔ ٹیم نے اس کا مقابلہ متوازی طور پر متعدد معیار کے مختلف ڈیزائنوں کی ضرورت کے ذریعے کیا اور کبھی کبھار ماڈل کو اپنی تلاش کو وسیع کرنے کی ترغیب دیتے ہوئے - وہی احتیاط، پوسٹ نوٹ، جس نے پہلی جگہ دبلی پتلی ثبوتوں کا اشارہ کیا۔
کمپنی کا بیان کردہ آؤٹ لک یہ ہے کہ AI بالآخر کسی خاص مسئلے کے لیے، الگورتھم سے لے کر ہارڈ ویئر تک، غلطی سے درست شدہ کوانٹم کمپیوٹر کے ہر جزو کو مشترکہ طور پر بہتر بنا سکتا ہے۔ اگر نتائج برقرار رہتے ہیں، تو کاغذ کسی ایک سرکٹ کے لیے اس مظاہرے کے مقابلے میں کم یاد رکھا جا سکتا ہے کہ ایک زبان کا ماڈل کمپیوٹنگ کے سب سے زیادہ مطالبہ کردہ ڈیزائن کے مضامین میں سے ایک میں اپنا اپنا رکھ سکتا ہے۔
AI سے آگے رہیں
کوانٹم کمپیوٹنگ، فرنٹیئر ماڈلز، اور ان کے درمیان تحقیقی پیش رفت تیزی سے آگے بڑھ رہی ہے۔ مزید AI خبریں پڑھیں AI Buzz Wire پر۔
*مزید AI خبریں پڑھیں →
