16 अक्टूबर को Anthropic ने शोध प्रकाशित किया जिसमें Claude ने 8 कम्प्यूटेशनल कार्यों में अधिक कुशल क्वांटम सर्किट डिजाइन किए। कंपनी के अनुसार, मॉडल को आवश्यकताओं का वर्णन और एक बाहरी कार्यक्रम प्राप्त हुआ था जो प्रस्तावों की वैधता की जांच करता था और उनकी लागतों को रैंक करता था। कुछ कार्यों ने पहले प्रकाशित डिजाइनों की तुलना में परिमाण के आदेश या अधिक में सुधार दिखाया। परिणाम एल्गोरिथम डिजाइन है, न कि एक नए क्वांटम कंप्यूटर या व्यावसायिक रूप से उपलब्ध सेवा का शुभारंभ।
कंपनी ने Claude Mythos 5के साथ प्रस्ताव, परीक्षण और सुधार के एक वृत्त में काम करने का वर्णन किया है। मॉडल ने एक डिजाइन लिखा, मूल्यांकन कार्यक्रम से प्रतिक्रिया प्राप्त की और उस पर काम करने के लिए वापस आ गया। यह ढांचा मॉडल से कम महत्वपूर्ण नहीं है: एक प्रस्ताव को केवल इसलिए स्वीकार नहीं किया जाता है क्योंकि यह अच्छी तरह से तैयार किया गया है। यह एक वैधता परीक्षण और एक निर्दिष्ट संसाधन मीटर पास करने के लिए आवश्यक था, जो प्रयोग के दौरान बनाए गए विभिन्न संस्करणों की तुलना करने के लिए एक आधार प्रदान किया।
वे बचाने की कोशिश कर रहे थे क्या?
क्वांटम सर्किट में क्यूबिट्स पर ऑपरेशनों का एक अनुक्रम होता है, जो क्वांटम कंप्यूटर में जानकारी की इकाइयाँ होती हैं। एक दिए गए कार्य के लिए, विभिन्न डिजाइनों की संख्या क्यूबिट और आवश्यक संचालनों को बदल सकता है। शोध उन बुनियादी प्रक्रियाओं पर केंद्रित था जिनका उपयोग व्यापक एल्गोरिदम करते हैं। एक महत्वपूर्ण रूटीन में सुधार भविष्य के एल्गोरिदम की आवश्यकता वाले संसाधनों को कम कर सकता है, यहां तक कि खुद हार्डवेयर को बदलने के बिना भी।
Anthropic के अनुसार, मूल्यांकन कार्यक्रम ने क्यूबिट गिनती और गेट गिनती के संयोजन का उपयोग करके डिजाइनों को स्कोर किया। यह सूचकांक मॉडल को सुधार के लिए एक मात्रात्मक लक्ष्य देता है, लेकिन एक कार्यशील कंप्यूटर की सभी चुनौतियों को कवर नहीं करता है। भौतिक त्रुटियाँ, त्रुटि सुधार, नियंत्रण और हार्डवेयर सीमाएं प्रणाली का हिस्सा बनी रहती हैं। इसलिए, सर्किट सूचकांक में एक बचत एक मौजूदा सेवा के रनटाइम में एक समान छोटे होने के समान नहीं है।
कंपनी ने रिपोर्ट की कि सुधारों में संरचनात्मक और गणितीय विचार शामिल थे, न कि केवल कुछ परिचित डिजाइन परिभाषाओं को बदलना। उदाहरणों में वर्णित हैं कि मध्यवर्ती जानकारी के भंडारण को कम करने या जब आवश्यक हो तो इसे पुनर्प्राप्त करने के तरीके हैं। क्वांटम कंप्यूटिंग में, उपयोगी जानकारी को मिटाने या बहाल करने का तरीका विशेष रूप से महत्वपूर्ण है। बेहतर डिजाइन स्मृति उपयोग और गणना की मात्रा के बीच व्यापार-ऑफ को बदल सकता है।
एक कार्य लूप जो प्रस्ताव को सत्यापन से अलग करता है।
मॉडल को एक प्राकृतिक भाषा विनिर्देश प्राप्त हुआ, जबकि सॉफ्टवेयर ने परिणाम का मूल्यांकन किया। यदि कोई प्रस्ताव आवश्यक गणना करने में विफल रहा तो उसे अस्वीकार कर दिया जा सकता है, भले ही यह प्रभावी प्रतीत होता हो। लागतों की तुलना तभी सार्थक थी जब शुद्धता की पुष्टि हो चुकी थी। इस अंतर से स्पष्ट होता है कि इस तरह के कार्य में सफलता, ऐसी खुली प्रकृति की प्रतिक्रिया देने से अलग है जिसकी जाँच का कोई तय तरीका न हो।
एक प्रमुख परिणाम 53 घंटों के दौरान विकसित हुआ, जिसमें सीमित मानव हस्तक्षेप शामिल था जिसमें प्रारंभिक मार्गदर्शन और कभी-कभी व्यापक दिशाओं में सोचने के लिए प्रोत्साहन शामिल था। Anthropic पूरी तरह मानव भागीदारी से मुक्त प्रक्रिया का वर्णन नहीं करती। कार्यों की विशेषता, कार्य चयन, मूल्यांकन तंत्र और विशिष्ट हस्तक्षेप कार्य वातावरण का हिस्सा थे। परीक्षण के दौरों के बीच मॉडल स्वतंत्र रूप से काम करे, तब भी यह परिवेश ही तय करता है कि सफलता किसे माना जाएगा।
एक दीर्घवृत्त-वक्र अंकगणितीय डिजाइन के लिए, कंपनी गणितीय दावा की जांच के लिए Lean में औपचारिकीकरण का भी वर्णन करती है। यह एक अतिरिक्त घटक सत्यापन है, एक विशेषता नहीं है कि हर Claude जवाब खुद से प्राप्त करता है। पाठक को मॉडल की समाधान सुझाने की क्षमता और उसे प्रमाणित करने के लिए ज़रूरी प्रक्रियाओं में अंतर करना चाहिए। यह प्रयोग इन दोनों के बीच के संयोजन को दर्शाता है, पूरी सत्यापन प्रक्रिया की स्वचालित प्रतिस्थापन नहीं।
सुधार के आँकड़ों को कैसे समझें
एक उदाहरण एक छोटे से पूर्व डिजाइन की तुलना में 12% अधिक क्यूबिट का उपयोग करता है, लेकिन 17 गुना कम गेट। परिणाम यह दर्शाता है कि क्यों "अधिक कुशल" हमेशा "सबसे कम" नहीं होता है। योजना एक संसाधन पर थोड़ा अधिक भुगतान कर सकती है ताकि दूसरे पर बहुत कुछ बचाया जा सके। कौन सा डिज़ाइन उपयुक्त है, यह उसे अंततः चलाने वाले सिस्टम की महत्वपूर्ण सीमाओं पर निर्भर करता है।
एक अन्य उदाहरण एक दिए गए डिकोडिंग चरण के गेट की संख्या में 12 गुना सुधार का वर्णन करता है। इसका मतलब यह नहीं है कि प्रत्येक क्वांटम कंप्यूटिंग 12 गुना तेज हो जाता है या सभी 8 प्रयोगों ने एक ही सुधार हासिल किया है। हर मिशन का अपना बेंचमार्क और मापदंड होता है। Anthropic द्वारा प्रकाशित डेटा वह अनुसंधान के परिणाम हैं जो यह प्रस्तुत करता है; एक विशेष डिजाइन को अपनाने के लिए उस कार्य के धारणाओं और सीमाओं को समझने की आवश्यकता होती है।
पहले प्रकाशित सर्वोत्तम डिज़ाइन से तुलना भी सीमित दायरे का ही दावा है। इसका मतलब यह नहीं है कि हर मौजूदा औद्योगिक अनुप्रयोग का परीक्षण किया गया है या हर संभव विकल्प को बाहर कर दिया गया है। नतीजे का सही उपयोग प्रस्तुत विनिर्देश और तुलना के मानकों की जाँच करना है। यह हमें यह निर्धारित करने की अनुमति देता है कि क्या एक सुधार अन्य समस्या के लिए प्रासंगिक है, बिना किसी संख्या को स्वचालित रूप से विभिन्न परिस्थितियों में मापे जाने की नकल किए बिना।
विकासकर्ता फ्रेमवर्क से क्या सीख सकते हैं?
यहां तक कि एक गैर-क्वांटम कंप्यूटिंग टीम भी कार्य सिद्धांत से लाभ उठा सकती है। जब वैधता और लागत ग्रेडिंग संभव हो जाती है, तो एक लूप बनाया जा सकता है जिसमें एआई परिवर्तनों का सुझाव देता है और सॉफ्टवेयर प्रतिक्रिया प्रदान करता है। इसका अर्थ है कि क्या बदल सकता है, क्या संरक्षित किया जाना चाहिए और सफलता का माप कैसे किया जाता है। एक त्वरित परिणाम जो मांग को पूरा नहीं करता है, एक सुधार नहीं है, यहां तक कि अगर इसे लागू करना सस्ता भी है।
आप तुलना का बिंदु भी रखना चाहिए. यदि आप कार्य, मॉडल और प्रदर्शन सूचकांक को एक साथ बदल दें, तो यह जानना मुश्किल है कि अंतर क्या था। एक स्थानीय प्रयोग एक परिभाषित मामले से शुरू हो सकता है, संस्करणों को सहेजें, और यहां तक कि परीक्षण विफलताओं को भी। यह एक उपयोगी परीक्षण डिजाइन करने के लिए सिद्धांत हैं, और यह गारंटी नहीं है कि अनुसंधान के परिणाम किसी भी कोड आधार या किसी भी इंजीनियरिंग कार्य में एक मॉडल को सौंपा जाएगा।
उपयोगी क्वांटम कंप्यूटर के लिए रास्ते पर क्या शेष है
Anthropic का मानना है कि सर्किट डिजाइन एक उपयोगी क्वांटम कंप्यूटर बनाने का केवल एक हिस्सा है। एक अधिक कुशल डिजाइन को एक प्रणाली में एकीकृत किया जाना चाहिए जो इसे चलाने और त्रुटियों को ठीक करने में सक्षम है। अध्ययन एक तारीख प्रदान नहीं करता है जब नए वाणिज्यिक अनुप्रयोगों को शुरू किया जाएगा, और यह साबित नहीं करता है कि एक विशेष डिजाइन पहले से ही आवश्यक पैमाने पर हार्डवेयर पर परीक्षण किया गया है। क्वांटम कंप्यूटिंग को आगे बढ़ाने की संभावना एक महत्व है कि शोधकर्ताओं ने इन सीमाओं के अधीन परिणामों को जोड़ा है।
रिपोर्ट की गई उपलब्धि एक मॉडल, प्रतिक्रिया और सत्यापन के संयोजन के माध्यम से परिभाषित कार्यों के लिए बेहतर डिजाइन है। शोधकर्ताओं के लिए यह ऐसा नतीजा है जिसकी आगे जाँच और विस्तार किया जा सकता है। शेष पाठकों के लिए, अनुसरण करने का कारण यह है कि एआई में प्रगति केवल एक बड़े मॉडल से नहीं, बल्कि एक समस्या के समाधान के तरीके में सुधार से भी आ सकती है। इस सुधार से उपयोगी उत्पाद तक का रास्ता अभी भी और अधिक काम की आवश्यकता है।