কোয়ান্টাম নিউরাল নেটওয়ার্ক

উইকিপিডিয়া, মুক্ত বিশ্বকোষ থেকে
একটি সাধারণ কোয়ান্টাম নিউরাল নেটওয়ার্ক কাঠামো

কোয়ান্টাম নিউরাল নেটওয়ার্কগুলি (QNNs-কিউএনএন) হল কম্পিউটেশনাল নিউরাল নেটওয়ার্ক মডেল যা কোয়ান্টাম মেকানিক্সের নীতির উপর ভিত্তি করে প্রতিষ্ঠিত। কোয়ান্টাম নিউরাল কম্পিউটেশন সম্পর্কিত প্রথম ধারণাগুলি ১৯৯৫ সালে সুভাষ কাক[১] এবং রন ক্রিসলে[২] দ্বারা স্বাধীনভাবে প্রকাশিত যা কোয়ান্টাম মাইন্ড তত্ত্বের সাথে জড়িত এবং প্রমাণ করে যে কোয়ান্টাম প্রভাবগুলি জ্ঞানীয় কার্যক্রমে ভূমিকা রাখে। তবে কিউএনএন-এর সাধারণ গবেষণায় আরও দক্ষ অ্যালগরিদম বিকাশের জন্য কোয়ান্টাম তথ্যের সুবিধার সাথে চিরায়ত কৃত্রিম নিউরাল নেটওয়ার্ক মডেলকে (যা প্যাটার্ন স্বীকৃতির গুরুত্বপূর্ণ কাজের জন্য মেশিন লার্নিংয়ে ব্যাপকভাবে ব্যবহৃত হয়) যুক্ত করে।[৩][৪][৫] চিরায়ত নিউরাল নেটওয়ার্ক বিশেষত বড় ডেটা অ্যাপ্লিকেশন প্রশিক্ষণের জটিলতা এই অনুসন্ধানগুলির জন্য একটি গুরুত্বপূর্ণ পন্থা। আশা করা হচ্ছে যে কোয়ান্টাম কম্পিউটিংয়ের বৈশিষ্ট্যগুলি যেমন কোয়ান্টাম প্যারালালিজম বাব্যতিচার এবং কোয়ান্টাম জট প্রভাবগুলি সুবিধা হিসাবে ব্যবহার করা যেতে পারে। যেহেতু কোয়ান্টাম কম্পিউটারের প্রযুক্তিগত বাস্তবায়ন এখনও প্রাথমিক পর্যায়ে রয়েছে তাই এই জাতীয় কোয়ান্টাম নিউরাল নেটওয়ার্ক মডেলগুলি বেশিরভাগই তাত্ত্বিক যার সম্পূর্ণ ব্যবহারিক প্রয়োগের জন্য আমাদের অপেক্ষা করতে হবে।

উদাহরণ[সম্পাদনা]

কোয়ান্টাম নিউরাল নেটওয়ার্কের গবেষণা এখনও প্রাথমিক এবং বিভিন্ন পরিক্ষা ও গাণিতিক ভিত্তি মজবুত করার প্রচেষ্টা চলছে। তাদের অধিকাংশই চিরায়ত বাইনারি বা ম্যাকক্লোক-পিটস নিউরন কিউবিট (যাকে "কিউরন" বা "quron" ও বলা হয়) দ্বারা প্রতিস্থাপন নীতির উপর ভিত্তি করে তৈরি করা ফলস্বরুপ নিউরাল ইউনিটগুলো একটি 'ফায়ারিং' এবং 'স্থিতি' এর সুপারপজিশন অবস্থায় থাকতে পারে।

কোয়ান্টাম পারসেপ্টেরন[সম্পাদনা]

পেরসেপট্রন ইউনিটের জন্য কোয়ান্টাম সমতুল্য সন্ধানের জন্য অনেক প্রস্তাবনা রয়েছে যেখান থেকে নিউরাল নেট তৈরির চেষ্টা চলছে। একটি সমস্যা হল যে নন-লিনিয়ার অ্যাক্টিভেশন ফাংশনগুলি কোয়ান্টাম তত্ত্বের গাণিতিক কাঠামোর সাথে তাৎক্ষণিকভাবে প্রতিক্রিয়া করে না যদিও লিনিয়ার কার্জক্রম দ্বারা কোয়ান্টাম বিবর্তনকে বর্ণনা করা হয় এবং সম্ভাব্য ফলাফের দিকে ধাবিত করে। কোয়ান্টাম মেকানিক্যাল ধারনাসহ পারসেপট্রন অ্যাক্টিভেশন ফাংশনটির অনুকরণ করার ধারণাগুলি বিশেষ পরিমাপ থেকে নন-লিনিয়ার কোয়ান্টাম অপারেটর (একটি বিতর্কিত গাণিতিক কাঠামো) পোস্টুলেটিংয়ে পৌঁছে দেয়।[৬][৭][৮][৯] কোয়ান্টাম কম্পিউটিংয়ের সার্কিট-ভিত্তিক মডেল ব্যবহার করে অ্যাক্টিভেশন ফাংশনের প্রত্যক্ষ বাস্তবায়ন সম্প্রতি কোয়ান্টাম ফেজ প্রাক্কলন অ্যালগরিদমের উপর ভিত্তি করে শুল্ড, সিনায়স্কি এবং পেট্রোসকায়োন প্রস্তাব করেন।[১০]

কোয়ান্টাম নেটওয়ার্ক[সম্পাদনা]

বৃহৎ আকারে গবেষকরা নিউরাল নেটওয়ার্ক কোয়ান্টাম পর্যায়ে সাধারণের বোধগম্য করার চেষ্টা করছেন। কোয়ান্টাম নিউরন তৈরির একটি উপায় হল প্রথমে পুরাতন নিউরনকে সর্বজনীন করা এবং তারপরে একে আরও সাধারণীকরণ করে একক গেট তৈরি করা। নিউরন মধ্যে পারস্পরিক মিথস্ক্রিয়া নেটওয়ার্ক স্টেট পরিমাপের মাধ্যমে একক গেটের সাথে অথবা চিরায়তভাবে কোয়ান্টাগত পর্যায়ে নিয়ন্ত্রণ করা যায়। এই উচ্চ-স্তরের তাত্ত্বিক কৌশলটি বিভিন্ন ধরনের নেটওয়ার্ক এবং কোয়ান্টাম নিউরনের বিভিন্ন বাস্তবায়ন নিয়ে ব্যাপকভাবে প্রয়োগ করা যেতে পারে। যেমন ফোটোনিকভাবে প্রয়োগ করা নিউরন[১১] এবং কোয়ান্টাম জলাধার প্রসেসর।[১২] সর্বাধিক শেখার অ্যালগরিদমগুলো নির্দিষ্ট প্রশিক্ষণ সেটের ইনপুট-আউটপুট ফাংশন শিখাতে কৃত্রিম নিউরাল নেটওয়ার্ক প্রশিক্ষণের চিরায়ত মডেল অনুসরণ করে এবং অনুকূল কনফিগারেশনে রূপান্তর না হওয়া পর্যন্ত কোয়ান্টাম সিস্টেমের প্যারামিটারগুলি হালনাগাদ করতে চিরায়ত প্রতিক্রিয়া লুপ ব্যবহার করে। কোয়ান্টাম কম্পিউটিংয়ের রুদ্ধতাপীয় মডেলগুলো দ্বারাও প্যারামিটার অপ্টিমাইজেশান সমস্যা শেখা সম্ভব হয়েছে। [১৩]

কোয়ান্টাম নিউরাল নেটওয়ার্কগুলিকে অ্যালগরিদমিক নকশায় প্রয়োগ করা যেতে পারে: সুসংগত পারস্পরিক মিথস্ক্রিয়ার সাথে প্রদত্ত কিউবিট, নির্বাচিত ইনপুট-আউটপুট সম্পর্কের একটি প্রশিক্ষণ সেট থেকে চিরায়ত ব্যাকপ্রোপাগেশন নিয়ম অনুসরণ করে ইন্টারঅ্যাকশন শিখা যেতে পারে, নির্বাচিত আউটপুট অ্যালগরিদমের আচরণ হিসাবে নেওয়া হয়।[১৪][১৫] কোয়ান্টাম নেটওয়ার্ক এভাবে একটি অ্যালগরিদম শিখে।

কোয়ান্টাম সহযোগী স্মৃতি[সম্পাদনা]

কোয়ান্টাম সহযোগী স্মৃতি অ্যালগরিদম ১৯৯৯ সালে ড্যান ভেনচুরা এবং টনি মার্টিনেজ চালু করেন।[১৬] তারা কৃত্রিম নিউরাল নেটওয়ার্ক মডেলের কাঠামোকে কোয়ান্টাম তত্ত্বে প্রতিস্থাপন করার চেষ্টা করেন নি, তবে সহযোগী স্মৃতি অনুকরণকৃত একটি সার্কিট-ভিত্তিক কোয়ান্টাম কম্পিউটারের জন্য একটি অ্যালগরিদম প্রস্তাব করেন। মেমরি দশাগুলো (নিউরাল সংযোগের ওজনে সংরক্ষিত হপফিল্ড নিউরাল নেটওয়ার্কগুলিতে) একটি সুপারপজিশনে লিখিত হয় এবং গ্রোভারের মতো কোয়ান্টাম অনুসন্ধান অ্যালগরিদম একটি প্রদত্ত ইনপুটের নিকটে থাকা মেমরি অবস্থাকে পুনরুদ্ধার করে। মেমরি দশাগুলো তাৎপর্যপূর্ণ স্টোরেজ ক্ষমতার মধ্যে একটি সুবিধা আছে। তবে প্রশ্ন থেকে যায় যে, যেভাবে সরলকৃত কৃত্রিম নিউরাল নেটওয়ার্ক মস্তিষ্কের বৈশিষ্ট্যগুলি অনুকরণ করতে পারে তার একটি প্রদর্শন হিসাবে হপফিল্ড মডেলের প্রাথমিক উদ্দেশ্য নিয়ে মডেলটির তাতৎপর্য রয়েছে কিনা।

কোয়ান্টাম তত্ত্ব দ্বারা অনুপ্রাণিত ক্লাসিকাল নিউরাল নেটওয়ার্ক[সম্পাদনা]

একটি "কোয়ান্টাম-অনুপ্রাণিত" মডেলকে প্রচুর পরিমাণে সুবিধা দেওয়া হয় যা ফাজি লজিকের উপর ভিত্তি করে কোয়ান্টাম থিওরি থেকে ধারণা থেকে নিউরাল নেটওয়ার্ক প্রয়োগ করতে ব্যবহার করে।[১৭]

আরো দেখুন[সম্পাদনা]

  • অপটিকাল নিউরাল নেটওয়ার্ক
  • হলোগ্রাফিক অ্যাসোসিয়েটিভ মেমরি
  • কোয়ান্টাম জ্ঞান
  • কোয়ান্টাম মেশিন লার্নিং

তথ্যসূত্র[সম্পাদনা]

  1. ↑ S. Kak, On quantum neural computing, Advances in Imaging and Electron Physics 94, 259 (1995)
  2. ↑ R. Chrisley, Quantum Learning, In New directions in cognitive science: Proceedings of the international symposium, Saariselka, 4–9 August 1995, Lapland, Finland, P. Pylkkänen and P. Pylkkö (editors). Finnish Association of Artificial Intelligence, Helsinki, 77-89 (1995)
  3. ↑ da Silva, Adenilton J.; Ludermir, Teresa B. (২০১৬)। "Quantum perceptron over a field and neural network architecture selection in a quantum computer": 55–64। arXiv:1602.00709 অবাধে প্রবেশযোগ্য। ডিওআই:10.1016/j.neunet.2016.01.002। পিএমআইডি 26878722। 
  4. ↑ Panella, Massimo; Martinelli, Giuseppe (২০১১)। "Neural networks with quantum architecture and quantum learning": 61–77। ডিওআই:10.1002/cta.619। 
  5. ↑ M. Schuld, I. Sinayskiy, F. Petruccione: The quest for a Quantum Neural Network, Quantum Information Processing 13, 11, pp. 2567-2586 (2014)
  6. ↑ M. Perus: Neural Networks as a basis for quantum associative memory ওয়েব্যাক মেশিনে আর্কাইভকৃত ১১ সেপ্টেম্বর ২০১৭ তারিখে, Neural Network World 10 (6), 1001 (2000)
  7. ↑ M. Zak, C.P. Williams: Quantum Neural Nets, International Journal of Theoretical Physics 37(2), 651 (1998)
  8. ↑ Gupta, Sanjay; Zia, R.K.P. (২০০১)। "Quantum Neural Networks": 355–383। arXiv:quant-ph/0201144 অবাধে প্রবেশযোগ্য। ডিওআই:10.1006/jcss.2001.1769। 
  9. ↑ J. Faber, G.A. Giraldi: Quantum Models for Artificial Neural Network (2002), Electronically available: http://arquivosweb.[স্থায়ীভাবে অকার্যকর সংযোগ] lncc.br/pdfs/QNN-Review. pdf
  10. ↑ M. Schuld, I. Sinayskiy, F. Petruccione: Simulating a perceptron on a quantum computer ArXiv:1412.3635 (2014)
  11. ↑ Wan, Kwok-Ho; Dahlsten, Oscar (২০১৭)। "Quantum generalisation of feedforward neural networks": 36। arXiv:1612.01045 অবাধে প্রবেশযোগ্য। ডিওআই:10.1038/s41534-017-0032-4। 
  12. ↑ Ghosh, S.; Opala, A.; Matuszewski, M.; Paterek, P; Liew, T. C. H.: Quantum reservoir processing, Npj Quant. Info. 5, 35 (2019)
  13. ↑ H. Neven et al.: Training a Binary Classifier with the Quantum Adiabatic Algorithm, arXiv:0811.0416v1 (2008)
  14. ↑ J. Bang et al. : A strategy for quantum algorithm design assisted by machine learning, New Journal of Physics 16 073017 (2014)
  15. ↑ E.C. Behrman, J.E. Steck, P. Kumar, K.A. Walsh: Quantum Algorithm design using dynamic learning, Quantum Information and Computation, vol. 8, No. 1&2, pp. 12-29 (2008)
  16. ↑ D. Ventura, T. Martinez: A quantum associative memory based on Grover's algorithm ওয়েব্যাক মেশিনে আর্কাইভকৃত ১১ সেপ্টেম্বর ২০১৭ তারিখে, Proceedings of the International Conference on Artificial Neural Networks and Genetics Algorithms, pp. 22-27 (1999)
  17. ↑ G. Purushothaman, N. Karayiannis: Quantum Neural Networks (QNN’s): Inherently Fuzzy Feedforward Neural Networks ওয়েব্যাক মেশিনে আর্কাইভকৃত ১১ সেপ্টেম্বর ২০১৭ তারিখে, IEEE Transactions on Neural Networks, 8(3), 679 (1997)

বহিসংযোগ[সম্পাদনা]

'https://bn.wikipedia.org/w/index.php?title=কোয়ান্টাম_নিউরাল_নেটওয়ার্ক&oldid=6782340' থেকে আনীত