नई गुणा दृष्टिकोण युक्तियाँ कैसे क्वांटम कंप्यूटर में सुधार करने के लिए

व्यवहार में, शास्त्रीय कंप्यूटरों के लिए डिज़ाइन किए गए कई कार्यक्रमों को क्वांटम कंप्यूटरों पर नहीं चलाया जा सकता है क्योंकि वे चुनिंदा सूचनाओं को नहीं भूल सकते हैं। नए गुणन एल्गोरिदम से पता चलता है कि इस समस्या को कैसे हल किया जाए।

क्लासिक बिट्स काले और सफेद होते हैं, और क्वांटम बिट्स अधिक जटिल होते हैं

जब मैं 9 साल का था, तो मेरे माता-पिता ने एक नया कंप्यूटर खरीदा। लगभग सभी मामलों में, वह पुराने से बेहतर था, एक को छोड़कर: मेरी पसंदीदा दौड़ उस पर शुरू नहीं हुई। मुझे याद है कि मैंने कैसे सोचा था - अगर मुझे अपना पसंदीदा कार्यक्रम शुरू नहीं करना है तो मुझे एक नए कंप्यूटर की आवश्यकता क्यों है?

क्वांटम कंप्यूटरों में यही समस्या है। सिद्धांत रूप में, वे सब कुछ करने में सक्षम हैं जो क्लासिक सक्षम है। व्यवहार में, उनकी क्वांटम प्रकृति कुछ सबसे महत्वपूर्ण शास्त्रीय एल्गोरिदम को चलाने के लिए लगभग असंभव बना देती है।

इसीलिए, 15 अप्रैल को प्रकाशित होने वाले काम में अच्छी खबर है। कैलिफ़ोर्निया के सांता बारबरा स्थित Google AI क्वांटम के एक कंप्यूटर वैज्ञानिक क्रेग गिदनी ने बहुत बड़ी संख्या में तेजी से गुणा करने के लिए क्लासिक एल्गोरिथ्म के एक क्वांटम संस्करण का वर्णन किया है। क्लासिक कंप्यूटरों पर, यह एल्गोरिदम काफी समय से चल रहा है। लेकिन गिडनी के काम से पहले, यह स्पष्ट नहीं था कि क्या क्वांटम मशीनों के लिए इसे अनुकूलित करना संभव होगा।

इससे भी महत्वपूर्ण बात, गुणा एल्गोरिथ्म सर्वव्यापी कंप्यूटर विज्ञान एल्गोरिदम के वर्ग से संबंधित है। गिडनी का मानना ​​है कि उनकी नई तकनीक क्वांटम कंप्यूटरों को इन एल्गोरिदम की पूरी कक्षा को लागू करने की अनुमति देगी, जिन्हें अब तक क्वांटम मशीन में उपयोग करने के लिए बहुत बोझिल माना जाता है।

यह गुणन एल्गोरिथ्म खोज का लाभ उठाता है, जो कई हजार वर्षों में किए गए गुणन में पहली सफलता थी। गुणन की पारंपरिक स्कूल पद्धति के लिए n ² चरणों की आवश्यकता होती है, जहाँ n गुणित संख्याओं में वर्णों की संख्या होती है। कई हजार वर्षों के लिए, गणितज्ञों का मानना ​​था कि अधिक कुशल दृष्टिकोण मौजूद नहीं था।

लेकिन, जैसा कि हमने हाल ही में " गणितज्ञों ने संख्याओं को गुणा करने का आदर्श तरीका खोजा " लेख में स्पष्ट किया गया था , 1960 में, सोवियत गणितज्ञ अनातोली करातसुबा ने तेजी से रास्ता खोजा। उनकी पद्धति लंबी संख्याओं को छोटे लोगों में विभाजित करने की थी। उदाहरण के लिए, दो आठ-अंकीय संख्याओं को गुणा करने के लिए, आपको पहले उन्हें दो चार-अंकीय संख्याओं में तोड़ना होगा, फिर उनमें से प्रत्येक को दो-अंकीय संख्याओं में तोड़ना होगा। फिर आपको दो-अंकीय संख्याओं के साथ कई ऑपरेशन करने और अंतिम गुणा के परिणाम को पुनर्स्थापित करने की आवश्यकता है। बहुत बड़ी संख्या में गुणा करने के लिए, Karatsuba विधि स्कूल विधि की तुलना में बहुत कम कदम उठाती है।

जब एक क्लासिक कंप्यूटर Karatsuba एल्गोरिथ्म पर चलता है, तो यह प्रक्रिया में जानकारी को हटा देता है। उदाहरण के लिए, दो-अंकीय संख्याओं को चार-अंकीय संख्या में वापस लाना, वह दो-अंकीय संख्या भूल जाता है। अब वह केवल चार अंकों की संख्या में रुचि रखते हैं। एल्गोरिथ्म का क्लासिक संस्करण एक पर्वतारोही के समान है जो अपने उपकरणों को बाहर निकालता है क्योंकि वह चढ़ता है - वह तेजी से आगे बढ़ सकता है यदि वह सभी कबाड़ को अपने साथ नहीं ले जाता है।

लेकिन क्वांटम कंप्यूटर जानकारी को त्याग नहीं सकते।

क्वांटम कंप्यूटर क्वांटम बिट्स, या "क्विबिट्स" के साथ जोड़तोड़ के माध्यम से गणना करते हैं। वे एक दूसरे के साथ, या भ्रमित हैं। यह भ्रम क्वांटम कंप्यूटरों को भारी अवसर देता है - अलग-अलग बिट्स में जानकारी संग्रहीत करने के बजाय, क्वांटम कंप्यूटर सभी क्वैबिट के जटिल इंटरैक्शन का उपयोग करते हैं। नतीजतन, कुछ कार्यों के लिए, क्वांटम कंप्यूटर शास्त्रीय लोगों की तुलना में तेजी से अधिक कंप्यूटिंग शक्ति का प्रदर्शन करने में सक्षम हैं।

हालाँकि, वही संपत्ति जो क्वांटम कंप्यूटरों को इतना शक्तिशाली बनाती है, उन्हें नाजुक भी बनाती है। चूंकि क्वैब उलझे हुए हैं, इसलिए उनमें से प्रत्येक को प्रभावित किए बिना उनमें से कुछ को बदलना असंभव है। यह क्लासिक कंप्यूटरों के लिए उपलब्ध जानकारी को चुनिंदा रूप से हटाना असंभव बनाता है। क्वोपिंग ड्रॉप करना वेब के कुछ हिस्सों को काटने जैसा है - एक भी कट पूरे वेब को नष्ट कर सकता है।

सूचना के संरक्षण के लिए यह आवश्यकता पुनरावर्ती एल्गोरिदम के क्वांटम संस्करणों के निर्माण को जटिल बनाती है - अर्थात, स्वयं की ओर मुड़ना। कंप्यूटर विज्ञान में, पुनरावर्ती एल्गोरिदम का बहुत व्यापक रूप से उपयोग किया जाता है, हालांकि, सबसे अच्छे तरीके से काम करने के लिए, उन्हें कंप्यूटर को हर कदम पर जानकारी त्यागने की आवश्यकता होती है। इसके बिना, कंप्यूटिंग जल्दी से अव्यावहारिक हो जाएगा। ब्रिस्टल विश्वविद्यालय के एक क्वांटम सूचना विशेषज्ञ एशले मोंट्रो ने कहा, "यदि आप हर बार किसी ऑपरेशन को करने के लिए जानकारी सहेजते हैं, तो यह जिस स्थान पर रहता है, वह संचालन की संख्या के साथ बढ़ेगा।" मेमोरी से कोई भी प्रैक्टिकल मशीन जल्दी चलेगी।

एक नए काम में, गिडनी ने करत्सुबा गुणन को लागू करने के लिए एक क्वांटम विधि का वर्णन किया है, जिसमें एक बड़ी मेमोरी खपत की आवश्यकता नहीं होती है। अंतिम परिणाम प्राप्त करने के लिए मध्यवर्ती मान उत्पन्न करने के बजाय, यह सीधे इनपुट को आउटपुट में बदलने के लिए " टेल रिकर्सन ऑप्टिमाइज़ेशन " विधि का उपयोग करता है। यह एल्गोरिथ्म को मध्यवर्ती जानकारी बनाने से बचने की अनुमति देता है जो क्वांटम कंप्यूटर नहीं छोड़ सकता। Creiton University के एक क्वांटम सूचना विशेषज्ञ थॉमस वॉन ने कहा, "अतिरिक्त बटेरों को उत्पन्न किए बिना अतिरिक्त qubits की समस्या से छुटकारा मिलता है।"

गिदनी का मानना ​​है कि उनकी विधि क्वांटम कंप्यूटरों के लिए कई क्लासिक पुनरावर्ती एल्गोरिदम को अनुकूलित करने के लिए काम करेगी। अब तक, क्वांटम कंप्यूटर इतनी शैशवावस्था में हैं कि वे मुश्किल से एकल अंकों के गुणन का सामना कर सकते हैं। हालाँकि, एल्गोरिथम तैयार है, और जब उनकी योजनाओं में सुधार होगा, तो वे बहुत अधिक सक्षम हो जाएंगे।