উইকিপিডিয়া

পদার্থবিদ্যায় মেশিন লার্নিং

কোয়ান্টাম সিস্টেমের (কখনও কখনও কোয়ান্টাম মেশিন লার্নিং নামে পরিচিত) গবেষণায় মেশিন লার্নিংয়ের চিরায়ত পদ্ধতি প্রয়োগ করা পদার্থবিদ্যার গবেষণার উদীয়মান ক্ষেত্রের কেন্দ্রবিন্দু। এর একটি প্রাথমিক উদাহরণ কোয়ান্টাম স্টেট টোমোগ্রাফি, যেখানে একটি কোয়ান্টাম অবস্থা পরিমাপ থেকে শেখা হয়।[১] অন্যান্য উদাহরণগুলির মধ্যে রয়েছে লার্নিং হ্যামিলটোনীয়ান,[২] লার্নিং কোয়ান্টাম ফেজ ট্রানজিশন,[৩] এবং স্বয়ংক্রিয়ভাবে নতুন কোয়ান্টাম পরীক্ষা-নিরীক্ষা তৈরি করা।[৪][৫][৬][৭][৮] ক্লাসিকাল মেশিন লার্নিং কোয়ান্টাম ইনফরমেশন থিওরি, কোয়ান্টাম টেকনোলজিস ডেভলপমেন্ট এবং কম্পিউটেশনাল ম্যাটেরিয়াল ডিজাইনের ক্ষেত্রে এর প্রয়োগকে দরকারী করে যেখানে অজানা কোয়ান্টাম সিস্টেমটিকে চিহ্নিত করার জন্য প্রচুর পরিমাণে পরীক্ষামূলক বা গণনা করা ডেটা প্রক্রিয়াজাতকরণে কার্যকর হয়। এই প্রসঙ্গে উদাহরণস্বরূপ এটি প্রাক-গণনা করা আন্তঃপারমাণবিক সম্ভাবনাগুলি[৯] বা সরাসরি একটি পরিবর্তনশীল পদ্ধতিতে শ্রোডিঙার সমীকরণ সমাধান করার হাতিয়ার হিসাবে ব্যবহার করা যেতে পারে।[১০]

পদার্থবিদ্যায় মেশিন লার্নিংয়ের প্রয়োগ

সম্পাদনা

গোলমাল তথ্য

সম্পাদনা

 

ক্রমবর্ধমান জটিল কোয়ান্টাম সিস্টেমগুলি পরীক্ষামূলকভাবে নিয়ন্ত্রণ ও প্রস্তুত করার সক্ষমতা বৃহত্তর এবং গোলমালী ডেটা সেটগুলিকে অর্থবহ তথ্যে পরিণত করার ক্রমবর্ধমান প্রয়োজনীয়তা দেখা দেয়। এটি এমন একটি সমস্যা যা ইতিমধ্যে চিরায়ত বিন্যাসে ব্যাপকভাবে আলোচনা করা হয়েছে এবং ফলস্বরূপ প্রচুর পুরাতন মেশিন লার্নিং কৌশল আরও দক্ষ পরীক্ষামূলক সমস্যার সাথে স্বাভাবিকভাবে পরিবর্তিত হতে পারে। উদাহরণস্বরূপ কোয়ান্টাম স্টেট শ্রেণিবিন্যাস,[১১] লার্নিং হ্যামিলটোনীয়ান,[১২] এবং একটি অজানা ঐকিক রূপান্তরের চরিত্রায়ন মোকাবেলায় বায়েশিয়ান পদ্ধতি এবং অ্যালগরিদমিক শিক্ষার ধারণাগুলি কার্যকরভাবে প্রয়োগ করা যেতে পারে।[১৩][১৪] এই পদ্ধতির সাথে সম্পর্কিত অন্যান্য সমস্যাগুলি নীচের তালিকায় দেওয়া হল:

  • হ্যামিলটোনীয় পুনর্গঠনের মাধ্যমে কোয়ান্টাম সিস্টেমের গতিশীলতার জন্য সঠিক মডেল সনাক্তকরণ।[১৫][১৬][১৭]
  • অজানা অবস্থা থেকে তথ্য সংগ্রহ।[১][১১][১৮][১৯][২০][২১]
  • অজানা একক রূপান্তরকরণ এবং পরিমাপ শিক্ষণ।[১৩][১৪]
  • সময় নির্ভর বা অনির্ভর হ্যামিল্টনীয়ান ব্যবহার করে যুগল-মিথস্ক্রিয়ার সাথে কিউবিট নেটওয়ার্ক থেকে কোয়ান্টাম গেটগুলির প্রকৌশল করা।[২২][২৩]
  • একটি আদর্শ রেফারেন্স ফ্রেমের জেনারেশন দ্বারা অতি-শীতল পরমাণুর (ফার্মি গ্যাসকে অধঃপতিত) শোষণ চিত্র থেকে বাহ্যিক পর্যবেক্ষণের নিষ্কাশন নির্ভুলতার উন্নতি সাধন।[২৪]


গণনা করা এবং শব্দবিহীন ডেটা

সম্পাদনা

কোয়ান্টাম মেশিন লার্নিং অণু এবং পদার্থের কোয়ান্টাম বৈশিষ্ট্যগুলির পূর্বাভাসকে ত্বরান্বিত করতে প্রয়োগ করা যেতে পারে।[২৫] এটি নতুন অণু বা উপকরণগুলির গণনা নকশার জন্য সহায়ক হতে পারে। নিচে কিছু উদাহরণ অন্তর্ভুক্ত:

  • আন্তপোলটিং আন্তপারমানবিক বিভব[২৬]
  • রাসায়নিক যৌগিক স্থান জুড়ে আণবিক শক্তি অনুমান করা;[২৭]
  • সীমাবদ্ধ বল্টজম্যান মেশিনগুলির সাথে যথাযথ সম্ভাব্য শক্তির তল;[২৮]
  • নতুন কোয়ান্টাম পরীক্ষার স্বয়ংক্রিয় প্রজন্ম;[৪][৫]
  • বহু-শরীর, স্থিতিশীল এবং সময় নির্ভর শ্র্রডিনগার সমীকরণ সমাধান করা;[১০]
  • জড়িত স্পেকট্রা থেকে পর্যায় স্থানান্তরের সনাক্তকরণ;[২৯]
  • কোয়ান্টাম মেট্রোলজি এবং কোয়ান্টাম টমোগ্রাফির জন্য অভিযোজক প্রতিক্রিয়া স্কিম তৈরি করা। [৩০][৩১]

ভেরিয়েশনাল সার্কিট (পরিবরতনীয় বর্তনী)

সম্পাদনা

পরিবরতনীয় সার্কিট, অ্যালগরিদম সদস্যের একটি পরিবার যা সার্কিট প্যারামিটার এবং অবজেক্টিভ ফাংশনের উপর ভিত্তি করে এর অগ্রগতি ব্যবহার করে।[৩২] পরিবরতনীয় সার্কিটগুলি সাধারণত ক্লাসিক্যাল ডিভাইস দ্বারা গঠিত যা গাণিতিক অপ্টিমাইজেশন ফাংশন সহ কোয়ান্টাম ডিভাইসে ইনপুট প্যারামিটারগুলির (এলোমেলো বা প্রাক-প্রশিক্ষিত প্যারামিটার) সাথে যোগাযোগ রক্ষা করে।প্যারামিটার অ্যাডজাস্টমেন্টগুলি কেবলমাত্র ডিভাইসের অভ্যন্তরে চিরায়ত উপাদানের ভিত্তিতে সমন্বয় করার কারণে এই সার্কিটগুলি প্রস্তাবিত কোয়ান্টাম ডিভাইসের স্থাপত্যের উপর খুব বেশি নির্ভরশীল।[৩৩] যদিও কোয়ান্টাম মেশিন লার্নিংয়ের ক্ষেত্রে অ্যাপ্লিকেশনটি যথেষ্ট প্রাথমিক, তবে এটি আরও দক্ষতার সাথে দক্ষ অপটিমাইজেশন ফাংশন উৎপাদন করার জন্য অবিশ্বাস্যভাবে অনেক বেশি প্রতিশ্রুতিবদ্ধ।

সাইন সমস্যা

সম্পাদনা

সাইন সমস্যা এড়ানোর জন্য মেশিন লার্নিং কৌশল পাথ ইন্টিগ্রালের জন্য আরও নানাবিধ ইন্টিগ্রেশন সন্ধান করতে ব্যবহার করা যেতে পারে।[৩৪]

আরও দেখুন

সম্পাদনা
  • কোয়ান্টাম কম্পিউটিং
  • কোয়ান্টাম মেশিন লার্নিং
  • সমীকরণের রৈখিক সিস্টেমের জন্য কোয়ান্টাম অ্যালগরিদম
  • কোয়ান্টাম অ্যানিলিং
  • কোয়ান্টাম নিউরাল নেটওয়ার্ক

তথ্যসূত্র

সম্পাদনা
  1. ↑ ক খ Torlai, Giacomo; Mazzola, Guglielmo (মে ২০১৮)। "Neural-network quantum state tomography" (ইংরেজি ভাষায়): 447–450। arXiv:1703.05334  । আইএসএসএন 1745-2481। ডিওআই:10.1038/s41567-018-0048-5। 
  2. ↑ Cory, D. G.; Wiebe, Nathan (২০১২-০৭-০৬)। "Robust Online Hamiltonian Learning" (ইংরেজি ভাষায়): 103013। arXiv:1207.1655  । ডিওআই:10.1088/1367-2630/14/10/103013। 
  3. ↑ Huembeli, Patrick; Dauphin, Alexandre (২০১৮)। "Identifying Quantum Phase Transitions with Adversarial Neural Networks": 134109। arXiv:1710.08382  । আইএসএসএন 2469-9950। ডিওআই:10.1103/PhysRevB.97.134109। 
  4. ↑ ক খ Krenn, Mario (২০১৬-০১-০১)। "Automated Search for new Quantum Experiments": 090405। arXiv:1509.02749  । ডিওআই:10.1103/PhysRevLett.116.090405। পিএমআইডি 26991161। 
  5. ↑ ক খ Knott, Paul (২০১৬-০৩-২২)। "A search algorithm for quantum state engineering and metrology": 073033। arXiv:1511.05327  । ডিওআই:10.1088/1367-2630/18/7/073033। 
  6. ↑ Melnikov, Alexey A.; Nautrup, Hendrik Poulsen (১২২১)। "Active learning machine learns to create new quantum experiments" (ইংরেজি ভাষায়): 1221–1226। arXiv:1706.00868  । আইএসএসএন 0027-8424। ডিওআই:10.1073/pnas.1714936115। পিএমআইডি 29348200। পিএমসি 5819408  । 
  7. ↑ Dunjko, Vedran; Briegel, Hans J (২০১৮-০৬-১৯)। "Machine learning & artificial intelligence in the quantum domain: a review of recent progress"। Reports on Progress in Physics। 81 (7): 074001। আইএসএসএন 0034-4885। ডিওআই:10.1088/1361-6633/aab406। 
  8. ↑ Dunjko, Vedran; Briegel, Hans J. (২০১৮)। "Machine learning & artificial intelligence in the quantum domain: a review of recent progress"। Reports on Progress in Physics. Physical Society (Great Britain)। 81 (7): 074001। আইএসএসএন 1361-6633। ডিওআই:10.1088/1361-6633/aab406। পিএমআইডি 29504942। 
  9. ↑ Behler, Jörg; Parrinello, Michele (২০০৭-০৪-০২)। "Generalized Neural-Network Representation of High-Dimensional Potential-Energy Surfaces": 146401। ডিওআই:10.1103/PhysRevLett.98.146401। পিএমআইডি 17501293। 
  10. ↑ ক খ Carleo, Giuseppe; Troyer, Matthias (২০১৭-০২-০৯)। "Solving the quantum many-body problem with artificial neural networks": 602–606। arXiv:1606.02318  । ডিওআই:10.1126/science.aag2302। পিএমআইডি 28183973। 
  11. ↑ ক খ Sentís, Gael; Calsamiglia, John (২০১২)। "Quantum learning without quantum memory": 708। arXiv:1106.2742  । ডিওআই:10.1038/srep00708। পিএমআইডি 23050092। পিএমসি 3464493  । 
  12. ↑ Wiebe, Nathan; Granade, Christopher (২০১৪)। "Quantum Hamiltonian learning using imperfect quantum resources": 042314। arXiv:1311.5269  । ডিওআই:10.1103/physreva.89.042314। 
  13. ↑ ক খ Bisio, Alessandro; Chiribella, Giulio (২০১০)। "Optimal quantum learning of a unitary transformation": 032324। arXiv:0903.0543  । ডিওআই:10.1103/PhysRevA.81.032324। 
  14. ↑ ক খ Jeongho; Junghee Ryu, Bang (২০১৪)। "A strategy for quantum algorithm design assisted by machine learning": 073017। arXiv:1304.2169  । ডিওআই:10.1088/1367-2630/16/1/013017। 
  15. ↑ Granade, Christopher E.; Ferrie, Christopher (২০১২-১০-০৩)। "Robust Online Hamiltonian Learning": 103013। arXiv:1207.1655  । আইএসএসএন 1367-2630। ডিওআই:10.1088/1367-2630/14/10/103013। 
  16. ↑ Wiebe, Nathan; Granade, Christopher (২০১৪)। "Hamiltonian Learning and Certification Using Quantum Resources": 190501। arXiv:1309.0876  । আইএসএসএন 0031-9007। ডিওআই:10.1103/PhysRevLett.112.190501। পিএমআইডি 24877920। 
  17. ↑ Wiebe, Nathan; Granade, Christopher (২০১৪-০৪-১৭)। "Quantum Hamiltonian Learning Using Imperfect Quantum Resources": 042314। arXiv:1311.5269  । আইএসএসএন 1050-2947। ডিওআই:10.1103/PhysRevA.89.042314। 
  18. ↑ Sasaki, Madahide; Carlini, Alberto (২০০১)। "Quantum Template Matching": 022317। arXiv:quant-ph/0102020  । ডিওআই:10.1103/PhysRevA.64.022317। 
  19. ↑ Sasaki, Masahide (২০০২)। "Quantum learning and universal quantum matching machine": 022303। arXiv:quant-ph/0202173  । ডিওআই:10.1103/PhysRevA.66.022303। 
  20. ↑ Sentís, Gael; Guţă, Mădălin (২০১৫-০৭-০৯)। "Quantum learning of coherent states" (ইংরেজি ভাষায়): 17। arXiv:1410.8700  । আইএসএসএন 2196-0763। ডিওআই:10.1140/epjqt/s40507-015-0030-4। 
  21. ↑ Lee, Sang Min; Lee, Jinhyoung (২০১৮-১১-০২)। "Learning unknown pure quantum states" (ইংরেজি ভাষায়): 052302। arXiv:1805.06580  । ডিওআই:10.1103/PhysRevA.98.052302। 
  22. ↑ Zahedinejad, Ehsan; Ghosh, Joydip (২০১৬-১১-১৬)। "Designing High-Fidelity Single-Shot Three-Qubit Gates: A Machine Learning Approach": 054005। arXiv:1511.08862  । আইএসএসএন 2331-7019। ডিওআই:10.1103/PhysRevApplied.6.054005। 
  23. ↑ Banchi, Leonardo; Pancotti, Nicola (২০১৬-০৭-১৯)। "Quantum gate learning in qubit networks: Toffoli gate without time-dependent control": 16019। ডিওআই:10.1038/npjqi.2016.19  । 
  24. ↑ Ness, Gal; Vainbaum, Anastasiya (২০২০-০৭-০৬)। "Single-exposure absorption imaging of ultracold atoms using deep learning": 014011। arXiv:2003.01643  । ডিওআই:10.1103/PhysRevApplied.14.014011। 
  25. ↑ von Lilienfeld, O. Anatole (২০১৮-০৪-০৯)। "Quantum Machine Learning in Chemical Compound Space": 4164–4169। ডিওআই:10.1002/anie.201709686। পিএমআইডি 29216413। 
  26. ↑ Bartok, Albert P.; Payne, Mike C. (২০১০)। "Gaussian approximation potentials: The accuracy of quantum mechanics, without the electrons" (পিডিএফ): 136403। arXiv:0910.1019  । ডিওআই:10.1103/PhysRevLett.104.136403। পিএমআইডি 20481899। 
  27. ↑ Rupp, Matthias; Tkatchenko, Alexandre (২০১২-০১-৩১)। "Fast and Accurate Modeling of Molecular Atomization Energies With Machine Learning": 602। arXiv:1109.2618  । ডিওআই:10.1103/PhysRevLett.108.058301। পিএমআইডি 22400967। 
  28. ↑ Xia, Rongxin; Kais, Sabre (২০১৮-১০-১০)। "Quantum machine learning for electronic structure calculations": 4195। arXiv:1803.10296  । ডিওআই:10.1038/s41467-018-06598-z। পিএমআইডি 30305624। পিএমসি 6180079  । 
  29. ↑ van Nieuwenburg, Evert; Liu, Ye-Hua (২০১৭)। "Learning phase transitions by confusion": 435। arXiv:1610.02048  । ডিওআই:10.1038/nphys4037। 
  30. ↑ Hentschel, Alexander (২০১০-০১-০১)। "Machine Learning for Precise Quantum Measurement": 063603। arXiv:0910.0762  । ডিওআই:10.1103/PhysRevLett.104.063603। পিএমআইডি 20366821। 
  31. ↑ Quek। "Adaptive Quantum State Tomography with Neural Networks"। arXiv:1812.06693  । 
  32. ↑ "Variational Circuits — Quantum Machine Learning Toolbox 0.7.1 documentation"। qmlt.readthedocs.io। ২০১৮-১২-০৬ তারিখে মূল থেকে আর্কাইভ করা। সংগ্রহের তারিখ ২০১৮-১২-০৬। 
  33. ↑ Schuld, Maria (২০১৮-০৬-১২)। "Quantum Machine Learning 1.0"। XanaduAI। সংগ্রহের তারিখ ২০১৮-১২-০৭। 
  34. ↑ Alexandru, Andrei; Bedaque, Paulo F. (২০১৭)। "Deep Learning Beyond Lefschetz Thimbles": 094505। arXiv:1709.01971  । ডিওআই:10.1103/PhysRevD.96.094505। 
'https://bn.wiki.x.io/w/index.php?title=পদার্থবিদ্যায়_মেশিন_লার্নিং&oldid=7064515' থেকে আনীত