Böyük verilənlər çox böyüdü. İndi Cornelldən olan statistik mütəxəssislərdən ibarət tədqiqat qrupu kvant mexanikasından ilhamlanaraq böyük məlumat dəstlərini sadələşdirərək və səs-küyü süzərək ənənəvi metodlardan daha səmərəli şəkildə idarə edən məlumat təqdimetmə metodu hazırlayıb.

Bu üsul , ənənəvi məlumat metodlarının indiyədək kifayət etmədiyi səhiyyə və epigenetika kimi məlumatlarla zəngin, lakin statistik cəhətdən qorxuducu sahələrdə innovasiyaya təkan verə bilər .

Sənəd Scientific Reports jurnalında dərc olunub .

Cornell Ann S. Bowers Hesablama və İnformasiya Elmləri Kollecində və ILR Məktəbində Charles A. Alexander Statistika Elmləri Professoru Martin Wells, “Fiziklər və müttəfiq alimlər kompleks məlumatların qısa riyazi təsvirlərini təklif edən kvant mexanikasına əsaslanan alətlər hazırlayıblar” dedi. O, “Kvant İdrak Maşın Öyrənilməsi ilə Məlumat Setlərinin Daxili Ölçüsünün Güclü Qiymətləndirilməsi” kitabının həmmüəllifidir.

“Biz verilənlərin strukturunu başa düşmək üçün onların riyazi strukturunu kvant mexanikasından götürürük və istifadə edirik ” dedi Wells.

Məlumatları innovasiyaya və ya tibbi sıçrayışlara çevirməzdən əvvəl, məlumat alimləri ilk növbədə məlumatların mürəkkəbliyini başa düşməlidirlər. Bunu etmək üçün alimlər, xüsusən də şəbəkə təhlili və sağlamlıq elmləri kimi sahələrdə çalışanlar ənənəvi olaraq daxili ölçülərin qiymətləndirilməsi adlanan texnikaya müraciət edirlər ki, bu da məlumat alimlərinə hər bir detalı təhlil etmədən kütləvi məlumat toplusunun mahiyyətini əldə etməyə kömək edir. Problem ondadır ki, daxili ölçülərin qiymətləndirilməsi səs-küy və mürəkkəblikdən kənara çıxa bilər və real dünya məlumatları çox vaxt hər ikisidir, tədqiqatçılar dedi.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=188&slotname=8188791252&adk=1687169288&adf=4054963813&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&lmt=1743744041&rafmt=11&format=750×188&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-04-quantum-statistical-approach-quiets-big.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM0LjAuNjk5OC4xNzgiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxMzQuMC42OTk4LjE3OCJdLFsiTm90OkEtQnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjEzNC4wLjY5OTguMTc4Il1dLDBd&dt=1743744041173&bpp=1&bdt=58&idt=121&shv=r20250403&mjsv=m202504010101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1743743849%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1743743849%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3Dcdf7f2f01784f52d%3AT%3D1735196613%3ART%3D1743743850%3AS%3DAA-Afjb8kbeupLLyQ0QHQmZxpM4v&prev_fmts=0x0&nras=1&correlator=867650847863&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1942&biw=1905&bih=945&scr_x=0&scr_y=0&eid=95355973%2C95355975%2C31090357%2C95356787%2C95356928&oid=2&pvsid=2930851312846440&tmod=101211623&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=125

Süni intellekt startapı olan Qognitive-in aparıcı müəllifi və tədqiqat direktoru Luca Candelori, “Bu daxili ölçü qiymətləndirmə üsullarından istifadə etdiyiniz zaman, onlar çox vaxt kifayət qədər böyük fərqlə səhv cavab alırlar və bir-biri ilə razılaşmırlar” dedi. “Onları real məlumat dəstlərində tətbiq etmək və faktiki qiymətləndirmə əldə etmək çox çətindir.”

Komandanın süni intellektlə işləyən modeli daxili ölçülərin qiymətləndirilməsi texnikasının incə tənzimlənmiş versiyasını təmsil edir, onu daha dəqiq, səs-küyə daha az həssas edir və bununla da günümüzün mürəkkəb məlumat dəstlərini idarə etmək üçün daha uyğundur. Tədqiqatçılar, həm real dünya məlumatlarının, həm də qəsdən səs-küy yaratmış süni məlumat dəstlərinin sınaqlarında komandanın modeli ardıcıl təxminləri qoruyub saxladı.

Komandanın metodu “kvant idrak maşın öyrənməsi”nə əsaslanır, bu gün standart təcrübə kimi ənənəvi ehtimal nəzəriyyəsinə deyil, insanların çevik, nüanslı düşüncə tərzinə əsaslanan Qognitive tərəfindən hazırlanmış süni intellekt təliminə yanaşmadır. Candelori deyib ki, böyük dil modelləri kimi ən müasir alətləri hazırlamaq üçün bu ənənəvi üsullardan istifadə çox baha başa gəlir və çox enerji sərf edir.

“Kvant idrak maşın öyrənməni inkişaf etdirmək üçün bir çox motivasiya məlumatları təmsil etmək və məlumatların paylanması üçün daha qənaətcil bir yol tapmağa çalışmaqdır” dedi Candelori.

Tədqiqatçılar qeyd edirlər ki, kvant idrak maşın öyrənməsi kvant riyaziyyatından istifadə etsə də, bunun üçün güclü və bahalı kvant hesablama aparatları tələb olunmur; standart noutbuklarda işlədilə bilər.

“Bu kvant aspekti oyun dəyişdiricidir” dedi Wells. “Bu, cəmi üç il əvvəl mövcud olmayan riyazi və statistik alətlərə çıxışı təmin edir.”

Kandelori və Uellslə yanaşı, məqalənin müəllifləri aşağıdakılardır: Cameron Hogan, statistika sahəsində doktorant; Alexander Abanov, Stony Brook Universitetinin Fizika və Astronomiya kafedrasının professoru; Mengjia Xu, Nyu Cersi Texnologiya İnstitutunun məlumat elminin dosenti; və Xaren Musaelian, Jeffrey Berger, Vahagn Kirakosyan, Ryan Samson, James Smith və Dario Villani, hamısı Qognitive.

Daha çox məlumat: Luca Candelori və digərləri, Kvant idrak maşın öyrənməsi ilə məlumat dəstlərinin daxili ölçüsünün möhkəm qiymətləndirilməsi, Elmi Hesabatlar (2025). DOI: 10.1038/s41598-025-91676-8

Jurnal məlumatı: Elmi Hesabatlar 

Cornell Universiteti tərəfindən təmin edilmişdir