চীনের মাইক্রোক্লাউড হলোগ্রাম শব্দ-প্রতিরোধী ডিপ কোয়ান্টাম নিউরাল নেটওয়ার্ক উন্মোচন করেছে, যা কোয়ান্টাম এআই-কে বিপ্লব ঘটাচ্ছে

10 জুন, 2025 তারিখে চীনের শেনজেনে, মাইক্রোক্লাউড হলোগ্রাম ইনকর্পোরেটেড কোয়ান্টাম কম্পিউটিং-এর ক্ষেত্রে একটি যুগান্তকারী অগ্রগতির ঘোষণা করেছে। তারা একটি শব্দ-প্রতিরোধী ডিপ কোয়ান্টাম নিউরাল নেটওয়ার্ক (DQNN) আর্কিটেকচার তৈরি করেছে। এই উদ্ভাবন কোয়ান্টাম আর্টিফিশিয়াল ইন্টেলিজেন্স (কোয়ান্টাম এআই) অ্যাপ্লিকেশনগুলিতে বিপ্লব ঘটাবে বলে আশা করা হচ্ছে। ঐতিহ্যবাহী নিউরাল নেটওয়ার্কগুলি উল্লেখযোগ্য কৃতিত্ব অর্জন করেছে, তবে কোয়ান্টাম কম্পিউটিং আরও বৃহত্তর অগ্রগতির সম্ভাবনা সরবরাহ করে। HOLO-র DQNN নিউরন হিসাবে কুইবিট এবং পারসেপ্ট্রন হিসাবে নির্বিচারে একক অপারেশন ব্যবহার করে। এই ডিজাইনটি দক্ষ শ্রেণিবদ্ধ প্রশিক্ষণকে সমর্থন করে এবং কোয়ান্টাম ত্রুটি হ্রাস করে, যা এটিকে নয়েজি ডেটার বিরুদ্ধে শক্তিশালী করে তোলে। এই আর্কিটেকচারের মূল ভিত্তি হলো এর কোয়ান্টাম নিউরন, যা আরও সমৃদ্ধ তথ্য সংরক্ষণের জন্য কোয়ান্টাম অবস্থা ব্যবহার করে, যা কম্পিউটেশনাল ক্ষমতা বাড়ায়। প্রতিটি নিউরন একক অপারেশনের মাধ্যমে তার অবস্থা আপডেট করে, যা নিশ্চিত করে যে গণনার সময় তথ্য হারানো যায় না। এই ডিজাইন কোয়ান্টাম নিউরাল নেটওয়ার্ককে জটিল কোয়ান্টাম ডেটা প্যাটার্নের সাথে মানিয়ে নিতে দেয়, একই সাথে কম্পিউটেশনাল ত্রুটি হ্রাস করে। নেটওয়ার্ককে দক্ষতার সাথে প্রশিক্ষিত করতে, HOLO একটি অপটিমাইজেশন কৌশল ব্যবহার করে যা বিশ্বস্ততার উপর ভিত্তি করে, যা কোয়ান্টাম অবস্থার মধ্যে সাদৃশ্য পরিমাপের জন্য একটি মূল মেট্রিক। এই পদ্ধতি কম্পিউটেশনাল রিসোর্সের প্রয়োজনীয়তা হ্রাস করে এবং এমনকি নয়েজি পরিবেশে স্থিতিশীলতা বজায় রাখে। এটি আর্কিটেকচারটিকে বর্তমান নয়েজি ইন্টারমিডিয়েট-স্কেল কোয়ান্টাম (NISQ) কম্পিউটারগুলিতে ব্যবহারিক করে তোলে। আর্কিটেকচার কোয়ান্টাম স্টেট এনকোডিং অপটিমাইজ করে, যা নিশ্চিত করে যে প্রয়োজনীয় কুইবিটের সংখ্যা শুধুমাত্র নেটওয়ার্কের প্রস্থের সাথে স্কেল করে, গভীরতার সাথে নয়। এই ডিজাইন ডিপ কোয়ান্টাম নিউরাল নেটওয়ার্ককে বিদ্যমান কোয়ান্টাম প্রসেসরগুলিতে প্রশিক্ষণ দিতে দেয়, যা বৃহৎ-স্কেল কোয়ান্টাম মেশিন লার্নিং মডেলগুলির পথ সুগম করে। বেঞ্চমার্ক পরীক্ষাগুলি দেখিয়েছে যে DQNN সঠিকভাবে লক্ষ্য কোয়ান্টাম অপারেশনগুলি শিখতে পারে এবং চমৎকার সাধারণীকরণ ক্ষমতা প্রদর্শন করে। এর মানে হল যে এটি সীমিত বা নয়েজি প্রশিক্ষণ ডেটা দিয়েও যুক্তিসঙ্গত কোয়ান্টাম ম্যাপিং সম্পর্ক অনুমান করতে পারে। কোয়ান্টাম কম্পিউটিং উন্নত হওয়ার সাথে সাথে, এই প্রযুক্তি বিভিন্ন বাস্তব-বিশ্বের পরিস্থিতিতে একটি গুরুত্বপূর্ণ ভূমিকা পালন করবে বলে আশা করা হচ্ছে। HOLO-র এই সাফল্য কেবল কোয়ান্টাম মেশিন লার্নিং-এর উন্নতি ঘটায় না, বরং অসংখ্য শিল্পের জন্য নতুন সম্ভাবনাও উন্মোচন করে। এই শব্দ-প্রতিরোধী DQNN আর্কিটেকচারের উন্নয়ন একাধিক শিল্পে একটি গুরুত্বপূর্ণ ভূমিকা পালন করতে চলেছে, যা আর্টিফিশিয়াল ইন্টেলিজেন্সকে কোয়ান্টাম কম্পিউটিং-এর একটি নতুন যুগে নিয়ে যাবে।