Sam Jarman tərəfindən , Phys.org

redaktə edən: Gaby Clark , rəy verən: Robert Egan

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

LLM performansını yaxşılaşdırmaq üçün kvant sxemlərinin layihələndirilməsi. Kredit: Borja Aizpurua et al.

Milyonlarla insan üçün böyük dil modelləri (LLM) ilə işləyən çatbotlar artıq gündəlik həyatın əsas xüsusiyyətidir. Bu süni intellekt sistemləri sürətlə böyüyür, lakin onların miqyasının genişləndirilməsi getdikcə daha bahalı və resurs tələb edən hala gəlir.

İspaniyanın San Sebastian şəhərindəki Multiverse Computing şirkətinin Borja Aizpuruanın rəhbərlik etdiyi bir qrup, arXiv serverində yeni bir preprint vasitəsilə kvant hesablamasından istifadə edərək LLM-lərin performansını artırmağın bir yolunu tapdı. Onların yanaşması problemə sadəcə daha çox aparat atmaq əvəzinə, daha ağıllı alternativ təklif edə bilər.

Parametr problemi

ChatGPT və Claude kimi LLM-lər, modelin mətni necə emal etdiyini və yaratdığını müəyyən edən çox sayda tənzimlənən parametrləri öyrənməklə işləyirlər. Modelin parametrləri nə qədər çox olarsa, bir o qədər yaxşı işləyir.

Lakin hər bir parametrin saxlanması üçün fiziki yaddaş tələb olunur və bu modellər böyüdükcə, yaddaş tələbləri də onlarla birlikdə artır və bu da idarə olunması getdikcə çətinləşir və baha başa gəlir. Məsələn, GPT-5.5-in iki ilə beş trilyon arasında parametr ehtiva etdiyi təxmin edilir.

Kvant dövrələrinə keçid

Bu məhdudiyyətləri aradan qaldırmaq üçün Multiverse Computing komandası kvant hesablamasına müraciət etdi. Çox sayda yeni klassik parametrlər əlavə etmək əvəzinə, əvvəlcədən təlim keçmiş LLM-in daxili işlərinə kiçik kvant dövrə blokları daxil etdilər.

Bu kvant blokları mürəkkəb riyazi əlaqələri yüksək kompakt formada kodlaya bildiyindən, əks halda daha çox ənənəvi parametr tələb edəcək bir şeyə nail ola bilərlər. Nəticədə yaranan sistem hibriddir: orijinal LLM standart kompüterdə işləyir, kvant komponentləri isə IBM-in 156 qubitlik superkeçirici kvant prosessorunda icra olunur.

Performansın artırılması

Aizpuruanın komandası bu yanaşmanı Meta tərəfindən hazırlanmış səkkiz milyard parametrli Llama 3.1 8B modeli üzərində tətbiq etdikdə, çaşqınlıqda 1,4% azalma (modellərin ardıcıllıqdakı növbəti sözü nə qədər etibarlı şəkildə proqnozlaşdırmasının əsas ölçüsü) əldə etdilər və eyni zamanda cəmi 6000 əlavə parametr əlavə etdilər. Kontekst baxımından bu, faizin on mində birindən az artım deməkdir.

Komanda həmçinin platformalarını sistematik şəkildə öyrənilməsi daha asan olduğu üçün seçilmiş daha kiçik 135 milyon parametrli SmolLM2 modelində sınaqdan keçirdi. Burada onlar kvant komponentlərinin ölçüsü artdıqca performansın ardıcıl olaraq yaxşılaşdığını və kvantla gücləndirilmiş modelin eyni modelin iki sırf klassik versiyasının səhv etdiyi sualları düzgün cavablandıra bildiyini aşkar etdilər.

Gələcək prosessorlar üçün hazırlıq

Hələlik, tədqiqatçılar performans artımlarının az olduğunu və mövcud kvant aparatlarının imkanları ilə məhdudlaşdığını etiraf edirlər. Lakin kvant gücləndirməsinin real, geniş istifadə olunan bir modeldə işləyə biləcəyini nümayiş etdirərkən, nəticələri artıq ümidvericidir.

Kvant prosessorları daha güclü və etibarlı hala gəldikcə, komanda inanır ki, təkmilləşdirmələr müvafiq olaraq miqyas alacaq – sahənin gələcəyini müəyyən etmək üçün təhdid yaradan qaçaq infrastruktur xərcləri olmadan daha bacarıqlı süni intellekt inkişaf etdirmək üçün prinsipial olaraq yeni bir yol açacaq.

Müəllifimiz Sam Jarman tərəfindən sizin üçün yazılmış, Qeb Klark tərəfindən redaktə edilmiş və Robert Eqan tərəfindən faktlar yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Əgər bu reportaj sizin üçün vacibdirsə, xahiş edirik ianə etməyi düşünün (xüsusilə aylıq). Təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Nəşr detalları

Borja Aizpurua və digərləri, Cayley Unitar Adapterləri vasitəsilə Kvant Təchizatında Kvantla Təkmilləşdirilmiş Böyük Dil Modelləri, arXiv (2026). DOI: 10.48550/arxiv.2605.05914

Jurnal məlumatı: arXiv 

Əsas anlayışlar

Kvant alqoritmləri və hesablamaSüni intellektBu hekayənin arxasında kim dayanır?

Sam Jarman

Science X-də töhfə verən yazıçı; astrofizika, yeni materiallar, tibbi görüntüləmə və bio-ilhamlı texnologiya mövzularını əhatə edir. Tam profil →

Qeb Klark

İngilis dili üzrə magistr dərəcəsi, 2021-ci ildən bəri mətn redaktoru, ali təhsil və səhiyyə sahəsində təcrübəyə malikdir. Etibarlı elm xəbərlərinə həsr olunub. Tam profil →

Robert Egan

Riyazi biologiya üzrə bakalavr, yaradıcı yazı üzrə magistr dərəcəsi. Elm və dilə dair unikal perspektivləri olan çox səyahət etmişəm. Tam profil →

© 2026 Science X Network