चीन की माइक्रोक्लाउड होलोग्राम ने शोर-प्रतिरोधी डीप क्वांटम न्यूरल नेटवर्क का अनावरण किया, क्वांटम एआई में क्रांति

10 जून, 2025 को, चीन के शेनझेन में, माइक्रोक्लाउड होलोग्राम इंक. ने क्वांटम कंप्यूटिंग में एक अभूतपूर्व प्रगति की घोषणा की। उन्होंने एक शोर-प्रतिरोधी डीप क्वांटम न्यूरल नेटवर्क (DQNN) आर्किटेक्चर विकसित किया है। यह नवाचार क्वांटम आर्टिफिशियल इंटेलिजेंस (क्वांटम एआई) अनुप्रयोगों में क्रांति लाने का वादा करता है। पारंपरिक न्यूरल नेटवर्क ने उल्लेखनीय कारनामे हासिल किए हैं, लेकिन क्वांटम कंप्यूटिंग और भी बड़ी प्रगति की संभावना प्रदान करता है। HOLO का DQNN न्यूरॉन्स के रूप में क्विट्स और परसेप्ट्रॉन के रूप में मनमानी एकात्मक संचालन का उपयोग करता है। यह डिज़ाइन कुशल पदानुक्रमित प्रशिक्षण की अनुमति देता है और क्वांटम त्रुटियों को कम करता है, जिससे यह शोर वाले डेटा के खिलाफ मजबूत हो जाता है। इस आर्किटेक्चर का मूल इसके क्वांटम न्यूरॉन्स में निहित है, जो अधिक समृद्ध जानकारी संग्रहीत करने के लिए क्वांटम अवस्थाओं का उपयोग करते हैं, जिससे कम्प्यूटेशनल शक्ति बढ़ती है। प्रत्येक न्यूरॉन एकात्मक संचालन के माध्यम से अपनी स्थिति को अपडेट करता है, यह सुनिश्चित करता है कि गणना के दौरान जानकारी खो न जाए। यह डिज़ाइन क्वांटम न्यूरल नेटवर्क को जटिल क्वांटम डेटा पैटर्न के अनुकूल होने की अनुमति देता है, जबकि कम्प्यूटेशनल त्रुटियों को कम करता है। नेटवर्क को कुशलतापूर्वक प्रशिक्षित करने के लिए, HOLO एक अनुकूलन रणनीति का उपयोग करता है जो निष्ठा पर आधारित है, जो क्वांटम अवस्थाओं के बीच समानता को मापने के लिए एक प्रमुख मीट्रिक है। यह दृष्टिकोण कम्प्यूटेशनल संसाधनों की आवश्यकता को कम करता है और शोर वाले वातावरण में भी स्थिरता बनाए रखता है। यह आर्किटेक्चर को वर्तमान नॉइज़ी इंटरमीडिएट-स्केल क्वांटम (NISQ) कंप्यूटर पर व्यावहारिक बनाता है। आर्किटेक्चर क्वांटम स्टेट एन्कोडिंग का अनुकूलन करता है, यह सुनिश्चित करता है कि आवश्यक क्विट्स की संख्या केवल नेटवर्क की चौड़ाई के साथ स्केल करती है, न कि इसकी गहराई के साथ। यह डिज़ाइन डीप क्वांटम न्यूरल नेटवर्क को मौजूदा क्वांटम प्रोसेसर पर प्रशिक्षित करने की अनुमति देता है, जो बड़े पैमाने पर क्वांटम मशीन लर्निंग मॉडल का मार्ग प्रशस्त करता है। बेंचमार्क परीक्षणों से पता चला है कि DQNN सटीक रूप से लक्ष्य क्वांटम संचालन सीखता है और उत्कृष्ट सामान्यीकरण क्षमताओं का प्रदर्शन करता है। इसका मतलब है कि यह सीमित या शोर वाले प्रशिक्षण डेटा के साथ भी उचित क्वांटम मैपिंग संबंधों का अनुमान लगा सकता है। जैसे-जैसे क्वांटम कंप्यूटिंग आगे बढ़ती है, इस तकनीक से विभिन्न वास्तविक दुनिया के परिदृश्यों में महत्वपूर्ण भूमिका निभाने की उम्मीद है। HOLO द्वारा यह सफलता न केवल क्वांटम मशीन लर्निंग को आगे बढ़ाती है, बल्कि कई उद्योगों के लिए नई संभावनाएं भी खोलती है। इस शोर-प्रतिरोधी DQNN आर्किटेक्चर का विकास कई उद्योगों में एक महत्वपूर्ण भूमिका निभाने के लिए तैयार है, जो आर्टिफिशियल इंटेलिजेंस को क्वांटम कंप्यूटिंग के एक नए युग में ले जाएगा।