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