यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
इस पत्र में, हम बड़े पैमाने के क्वांटम प्रोसेसरों के निर्माण की उच्च लागत की समस्या के समाधान हेतु, जिसने क्वांटम कंप्यूटिंग के व्यापक उपयोग को सीमित कर दिया है, पूर्वानुमानित सरोगेट्स नामक एक अवधारणा का प्रस्ताव रखते हैं। ये मॉडल शास्त्रीय मशीन लर्निंग तकनीकों का उपयोग करके किसी दिए गए क्वांटम प्रोसेसर के औसत व्यवहार की कुशलतापूर्वक नकल करने के लिए डिज़ाइन किए गए हैं। हम दो पूर्वानुमानित सरोगेट्स का प्रस्ताव करते हैं और 20 सुपरकंडक्टिंग क्वाबिट तक वाले क्वांटम प्रोसेसरों पर वैरिएशनल क्वांटम आइजेनसॉल्वर्स के पूर्व-प्रशिक्षण और गैर-संतुलन फ्लोक्वेट सममिति-संरक्षित टोपोलॉजिकल चरणों की पहचान करने हेतु उनके अनुप्रयोग पर प्रायोगिक परिणाम प्रस्तुत करते हैं। प्रायोगिक परिणाम दर्शाते हैं कि पूर्वानुमानित सरोगेट्स मापन ओवरहेड को कई गुना कम कर देते हैं और मौजूदा क्वांटम संसाधन-गहन दृष्टिकोणों से बेहतर प्रदर्शन करते हैं।
____T55982_____, Limitations
•
Takeaways:
◦
क्वांटम प्रोसेसर तक पहुंच की सीमाओं को दूर करने और क्वांटम कंप्यूटिंग के दायरे का विस्तार करने के लिए एक व्यावहारिक विधि प्रस्तुत करना।
◦
परिवर्तनीय क्वांटम आइगेनवैल्यू सॉल्वरों का कुशल पूर्व प्रशिक्षण और गैर-संतुलन फ्लोक्वेट सममिति-संरक्षित चरणों की पहचान की संभावना प्रस्तुत की गई है।
◦
हम मौजूदा क्वांटम संसाधन-गहन दृष्टिकोणों की तुलना में बेहतर प्रदर्शन और कम माप ओवरहेड प्रदर्शित करते हैं।
•
Limitations:
◦
प्रस्तावित पूर्वानुमानित सरोगेट मॉडल के सामान्यीकरण प्रदर्शन और विभिन्न क्वांटम एल्गोरिदम पर इसकी प्रयोज्यता की जांच के लिए आगे के अध्ययन की आवश्यकता है।
◦
चूंकि ये एक विशिष्ट प्रकार के क्वांटम प्रोसेसर और क्वांटम एल्गोरिथम के लिए प्रदर्शन मूल्यांकन परिणाम हैं, इसलिए अन्य प्रणालियों या एल्गोरिथम के लिए सामान्यीकरण का सत्यापन आवश्यक है।
◦
मॉडल की सटीकता और दक्षता प्रयुक्त क्लासिकल मशीन लर्निंग मॉडल और प्रशिक्षण डेटा पर निर्भर हो सकती है।
