Maşın öyrənməsi, kompüterlərin açıq şəkildə proqramlaşdırılmadan öyrənməsinə imkan verən məlumatların və alqoritmlərin istifadəsinə yönəlmiş süni intellektin (AI) və kompüter elminin bir sahəsidir. ChatGPT və digər generativ modellər kimi süni intellekt alqoritmləri ətrafında müzakirələr cəmiyyətin bütün səviyyələrində aparılsa da, kvant kompüterlərinin maşın öyrənmə imkanları hələ də müəyyən qədər araşdırılmamışdır.

Hazırda dünya üzrə tədqiqatçılar kvant kompüterlərinin adi maşın öyrənməsinin təqdim etdiyi bəzi problemləri daha yaxşı həll edə biləcəkləri sualına cavab vermək üçün çox çalışırlar.

Freie Universität Berlin tədqiqatçılar qrupu tərəfindən aparılan bir araşdırma indi kvant maşın öyrənməsi ilə bağlı əvvəlki fərziyyələrə qarşı çıxan diqqətəlayiq fikirlər ortaya qoydu . Komanda neyron kvant şəbəkələrinin nəinki öyrənə, həm də təsadüfi görünən məlumatları yadda saxlaya bildiyini aşkar edib. Nature Communications jurnalında “Kvant Maşınlarının Öyrənilməsini Anlamaq Həm də Yenidən Düşünmək Ümumiləşdirməyi Tələb edir” adlı araşdırma dərc olunub .

Kvant kompüterləri adi kompüterlərdə işləyənlərdən fərqli fiziki prinsiplərə əsaslanan fərdi hesablama vahidlərindən istifadə edir. Onlar kvant mexanikasının qanunlarına uyğun davranan fərdi atomlara , ionlara və ya superkeçirici dövrələrə əsaslanırlar . Kvant kompüterləri son vaxtlara qədər bir xəyaldan başqa bir şey hesab edilməsə də, indi çox realdır və nəfəs kəsən sürətlə inkişaf etməyə davam edir.

İndi yüzlərlə kubit olan kvant prosessorları ilə alimlər bu kompüterlərin nəyə qadir olduğunu yenicə kəşf etməyə başlayırlar. Çox güman ki, gələcəyin kvant kompüterləri mövcud superkompüterlərdən daha sürətli mühüm problemləri həll edə biləcəklər. Beləliklə, tədqiqatçılar artıq maşın öyrənmə tətbiqləri üçün potensiallarını araşdırırlar.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=135&slotname=2793866484&adk=675901022&adf=1873531024&pi=t.ma~as.2793866484&w=540&fwrn=4&lmt=1711911449&rafmt=11&format=540×135&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2024-03-redefining-quantum-machine.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTAuMC4wIiwieDg2IiwiIiwiMTIzLjAuNjMxMi44NiIsbnVsbCwwLG51bGwsIjY0IixbWyJHb29nbGUgQ2hyb21lIiwiMTIzLjAuNjMxMi44NiJdLFsiTm90OkEtQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjEyMy4wLjYzMTIuODYiXV0sMF0.&dt=1711911399989&bpp=5&bdt=3949&idt=1167&shv=r20240327&mjsv=m202403250101&ptt=9&saldr=aa&abxe=1&cookie=ID%3D7e7cfb8349d66d7f%3AT%3D1709739442%3ART%3D1711911401%3AS%3DALNI_MauHZ7fSrCzC_33dHEzpUtIpO21xA&gpic=UID%3D00000d6b144688d0%3AT%3D1709739442%3ART%3D1711911401%3AS%3DALNI_Mb9u7nMdcyuKWlzZm69VyM5PKcVSw&eo_id_str=ID%3D115ce19c27e0d58e%3AT%3D1709739442%3ART%3D1711911401%3AS%3DAA-Afja7xxaYcS2L2juwOopdxA1T&prev_fmts=0x0%2C1423x739&nras=2&correlator=7680000495244&frm=20&pv=1&ga_vid=968597126.1709739442&ga_sid=1711911401&ga_hid=311875587&ga_fc=1&rplot=4&u_tz=240&u_his=2&u_h=900&u_w=1440&u_ah=860&u_aw=1440&u_cd=24&u_sd=1&dmc=8&adx=347&ady=1730&biw=1423&bih=739&scr_x=0&scr_y=0&eid=44759876%2C44759927%2C44759837%2C44795922%2C95326315%2C95322183%2C95328826%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=68123300483122&tmod=604235260&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1440%2C0%2C1440%2C860%2C1440%2C739&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&psd=W251bGwsbnVsbCwibGFiZWxfb25seV80IiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=49141

Freie Universität Berlin-dən olan tədqiqatçılar öz yeni araşdırmalarında diqqətini kvant neyron şəbəkələri üzərində cəmləşdiriblər – kvant maşın öyrənməsi sahəsində perspektivli bir yanaşma. Komanda aşkar etdi ki, bu şəbəkələr nəinki öyrənə, həm də təsadüfi görünən məlumatları yadda saxlaya bilir. Bu nəticələr kvant modellərinin yeni məlumatlara necə reaksiya verməsi (yəni onlardan öyrənmə) ilə bağlı ənənəvi anlayışa ziddir – “ümumiləşdirmə” kimi tanınan fenomen.

Berlin Freie Universität və Heinrich Hertz İnstitutunda tədqiqatın aparıcı müəllifi və tədqiqatçısı Elies Gil-Fuster deyir: “Bu, 6 yaşlı bir uşağın təsadüfi nömrələr sətirlərini və vurma cədvəllərini eyni vaxtda yadda saxlaya biləcəyini tapmaq kimidir” . “Təcrübələrimiz göstərir ki, bu kvant neyron şəbəkələri təsadüfi məlumat və etiketləri uyğunlaşdırmaqda inanılmaz dərəcədə bacarıqlıdır, öyrənmə və ümumiləşdirməni necə başa düşməyimizin əsaslarına meydan oxuyur.”

Bu kəşfin nəticələri çox genişdir. Bu, VC ölçüsü və ya Rademacher mürəkkəbliyi kimi maşın öyrənmə modellərinin ümumiləşdirmə qabiliyyətini ölçmək üçün istifadə edilən ənənəvi ölçüləri şübhə altına alır. Komandanın tapıntıları göstərir ki, kvant neyron şəbəkələri həm nəzəri anlayışda, həm də praktiki tətbiqlərdə kəşfiyyat üçün yeni imkanlar açaraq, yadda saxlamaq qabiliyyətinə malikdir.

“Bu, mütləq kvant maşın öyrənməsinin zəif ümumiləşdirmə üçün nəzərdə tutulduğu anlamına gəlməsə də, bu, problemə necə yanaşdığımızı yenidən düşünməli olduğumuz anlamına gəlir” deyə tədqiqat qrupunun lideri və Berlin Freie Universität professoru Jens Eisert izah edir. Heinrich Hertz İnstitutuna. “Bizim tapıntılar göstərir ki, maşın öyrənmə tapşırıqları üçün kvant modellərini necə konseptuallaşdırdığımız və qiymətləndirdiyimizdə paradiqma dəyişikliyinə ehtiyacımız var .”

Tədqiqatçıların fikrincə, bu tapıntılar kvant maşın öyrənməsi və onun potensial tətbiqləri haqqında anlayışımızda irəliyə doğru əhəmiyyətli bir addımdır. Adi müdrikliyə meydan oxumaqla, tədqiqat bu sürətlə inkişaf edən sahədə yeni anlayışlar və inkişaflar üçün yol açır.

Tədqiqatçılar əldə etdikləri tapıntıların əhəmiyyətini vurğulayaraq, “Fizika sahəsindəki əvvəlki kəşflər kainat haqqında anlayışımızı yenidən formalaşdırdığı kimi, bu araşdırma da kvant maşın öyrənmə modellərinin gələcəyini potensial olaraq yenidən təyin edə bilər. Biz yeni bir dövrün astanasında dayandığımız üçün texnologiya, bu nüansları başa düşmək kvant maşın öyrənmə sahəsində gələcək irəliləyişləri açmaq üçün açar ola bilər .”

Daha çox məlumat: Elies Gil-Fuster və digərləri, Kvant maşın öyrənməni başa düşmək də ümumiləşdirməni yenidən düşünməyi tələb edir, Nature Communications (2024). DOI: 10.1038/s41467-024-45882-zBerlin Azad Universiteti tərəfindən təmin edilmişdir