Kuantum
Bilgisayarlar-Kuantumdan Aklı Çekmek-Kuantum Algoritmalar:
1--Rusya’nın skolvo teknoloji
enstitüsü (skoltech) bilim insanları, kuantum destekli makine öğrenmesinin
geleneksel veri yerine kuantum veri ile kullanılması halinde çok daha verimli
olacağını, bu uygulamalarda karşılaşılan yavaşlama problemini de büyük ölçüde
giderebileceğini gösterdiler. Bu yöntem ile kuantum sistemle-rinde bilgi işlem
konusunda yepyeni ufuklar açılabileceği belirtiliyor.
2--Kuantum bilgisayarlar en
iyi süperbilgisayarlara göre kat kat hızlı işlem yapabiliyorlar. 2019 yılında
Google tarafından yapılan bir tanıtımda kuantum bilgisayarların performans
üstünlüğü tartışılmaz bir şekilde kanıtlanmıştı.
3--Bilgisayarlarla
gerçekleştirilen farklı görev sınıfları için farklı kuantum algoritmaları
geliştiriliyor. Yakın dönemde bu algoritmalar, makine öğrenmesi alanını da
kapsadı. Bunun öncülerinden biri de Jacob Biamonte tarafından yönetilen
Skoltech’in kendi Kuantum Bilgi İşlem Laboratuvarı. Biamonte, makalede “Makine
öğrenmesi teknikleri, verilerde kalıplar bulmak açısından son derece güçlü
araçlar.
3.1--Kuantum sistemler,
klasik bilgisayarların etkin olarak üretebileceğini tahmin etmediğimiz atipik
kalıplar meydana getirebiliyorlar; dolayısıyla kuantum bilgisayarların öğrenme
görevlerinde de klasik bilgisayarları geride bırakacağını düşünmek şaşırtıcı
değil” diyor.
4--Kuantum destekli makine
öğrenmesi konusundaki standart yaklaşım, kuantum algoritmalarım klasik verilere
uygulamaktan ibaret. Yani kuantum bilgisayar tarafından işlenmesi beklenen
klasik veriler (o ve ı değerlerinden oluşan bit dizileri) kuantum işlemcilerde
depolanıyor. Buna veri okuma problemi deniyor. Veri okuma problemi, kuantum
destekli makine öğrenmesi algoritmalarının yüksek hızlı işlem per-formansım
sınırlamak için kullanılıyor.
5--Skoltek araştırmacıları,
kuantum destekli makine öğrenmesini kuantum destekli simülasyon ile
birleştirerek, geliştirdikleri yaklaşımı çok parçacıklı kuantum manyetiği
problemlerinde faz geçişlerini araştırmak için kullandılar. Bu sayede kuantum
yapay sinir ağlarını, veri olarak yalnızca kuantum durumları kullanmak üzere
eğittiler. Diğer bir deyişle, veri okuma problemini ortadan kaldırmak için
kuantum mekaniği durumlarından faydalandılar.
5.1--Bu durumların standart (kuantum olmayan) bilgisayarlarda kullanılmaları için inanılmaz miktarda bellek gerekiyor.Makalenin birinci yazarı ve Skoltech doktora öğrencisi Alexey Uvarov, çalışmayı “kuantum cihazların makine öğrenmesi bakımından ne kadar güçlü olduğunu farketmek için atılan bir adım” olarak görüyor. Araştırmacılar bu yaklaşımı analiz edebilmek için tensor ağları, dolanıklık teorisi gibi birçok kaynaktan yararlandılar ve birçok tekniği bir araya getirdiler.
5.2--Çalışma, VQE
(varyasyonal kuantum eigensolver (VQE) adı verilen bir altyordam kullanıyor. Bu
algoritma, herhangi bir kuantum Hamilton işlevinin (sistem içindeki kinetik
enerjilerin toplamım hesaplayan fonksiyon) taban durum enerjisine yakınlığını
buluyor. Bu altyordamın çıktısı ise bir kuantum bilgisayarda kuantum durumunu hazırlamak
için gereken yönerge setlerini barındırıyor. Bu kuantum durumunu kağıda
dökebilmek için doğal olarak kat kat yüksek bellek gerektiği için, yazılım
yerine donanımdan faydalanılıyor.
6—Yorum:Kuantum aklı tanrı
aklı olabilir mi.Bu ise hiçlikte bulunuyor yani kuantumda.Kuantum
bilgisayarları kuantum aklı ile yani kuantum durumlar ile çalıştırmak en doğru
yol olabilir.İnsanda zeka değil akıl da kuantum akıl mıdır.Sinir sisteminin çalışması
kuantum durumları ile mi sağlanıyor.
Kaynak:Popular Scıence