এনভিডিয়া সম্প্রতি কৃত্রিম বুদ্ধিমত্তা ব্যবস্থায় কোয়ান্টাম ত্রুটি সংশোধনের চ্যালেঞ্জগুলো মোকাবিলায় ধ্রুপদী আইসিং মডেলের ওপর ভিত্তি করে তৈরি কিছু ওপেন-সোর্স মডেল সামনে এনেছে।
সারফেস কোড বা টপোলজিক্যাল কোয়ান্টাম কোডের মতো প্রচলিত পদ্ধতিগুলোর পরিবর্তে, এই মডেলগুলো বৃহৎ নিউরাল নেটওয়ার্ক প্রশিক্ষণের সময় উদ্ভূত নয়েজ বা বিঘ্ন চিহ্নিত ও সংশোধনের জন্য স্পিন কনফিগারেশন এনার্জি ব্যবহার করে।
একটি অফিসিয়াল সূত্রের মতে, পূর্ববর্তী হিউরিস্টিক সমাধানগুলোর তুলনায় এই পদ্ধতিতে ত্রুটি সংশোধনের কম্পিউটেশনাল খরচ প্রায় ৩০ থেকে ৪০ শতাংশ পর্যন্ত কমিয়ে আনা সম্ভব।
কারিগরিভাবে, এখানে আইসিং মডেলটিকে একটি গ্রাফ কাঠামো হিসেবে প্রয়োগ করা হয়েছে যেখানে নোডগুলো কোয়ান্টাম বিট বা নিউরাল নেটওয়ার্কের প্যারামিটার প্রকাশ করে এবং তাদের মধ্যকার মিথস্ক্রিয়া হ্যামিল্টোনিয়ানের মাধ্যমে বর্ণনা করা হয়।
এর প্রশিক্ষণ পদ্ধতি অনেকটা অ্যানিলিং প্রক্রিয়ার মতো, যেখানে সিস্টেমের নয়েজের উপস্থিতিতে শক্তি বা এনার্জি কমানোর চেষ্টা করা হয়। এনভিডিয়া জিপিইউ-তে পরীক্ষার জন্য ওপেন ওয়েটস এবং কোড সরবরাহ করলেও, মডেলটি যাচাইয়ের জন্য ব্যবহৃত সিন্থেটিক নয়েজ ডেটা তৈরির বিস্তারিত তথ্য প্রকাশ করেনি।
এই পদ্ধতির ফলাফল অন্য ক্ষেত্রে প্রয়োগের সক্ষমতা নিয়ে কিছু প্রশ্ন উঠছে। পরীক্ষাগুলো মূলত ছোট আকারের সিমুলেটেড কোয়ান্টাম সার্কিটে সম্পন্ন হয়েছে, সরাসরি কোনো বাস্তব কোয়ান্টাম হার্ডওয়্যারে নয়। আধুনিক কোয়ান্টাম প্রসেসরে যে ধরণের কো-রিলেটেড ত্রুটি দেখা যায়, এই মডেল তা কতটুকু কার্যকরভাবে সামলাতে পারবে সেটি এখনও একটি প্রশ্ন।
২০৩ সালে গুগল কোয়ান্টাম এআই-এর কাজের সাথে তুলনা করলে দেখা যায়—যেখানে প্রায় ১ শতাংশ এরর থ্রেশহোল্ড সহ সারফেস কোড ব্যবহার করা হয়েছিল—এনভিডিয়ার পদ্ধতিটি হাইব্রিড ক্লাসিক্যাল-কোয়ান্টাম অপ্টিমাইজেশনের ওপর জোর দিয়েছে, যা হাজার হাজার কুবিট স্কেলিংয়ের ক্ষেত্রে বেশি লাভজনক হতে পারে।
গবেষণার এই ক্ষেত্রটিতে কোয়ান্টাম কম্পিউটিং এবং বৃহৎ পরিসরের মেশিন লার্নিং বিশেষজ্ঞরা একে অপরের কাছাকাছি আসছেন। এর আগে যানাদু এবং রিগেটির গবেষণায় একই ধরনের ধারণার কথা বলা হলেও, এনভিডিয়াই প্রথম যারা পাইটর্চের মতো ফ্রেমওয়ার্কগুলোতে ব্যবহারের জন্য সম্পূর্ণ ওপেন ওয়েটস এবং টুলস প্রদান করেছে।
এমন পদক্ষেপ স্বাধীন গবেষক দলগুলোর পরীক্ষা-নিরীক্ষাকে ত্বরান্বিত করতে পারে এবং কৃত্রিম বুদ্ধিমত্তার জন্য ফল্ট-টলারেন্ট কোয়ান্টাম অ্যালগরিদমের অগ্রাধিকার বদলে দিতে পারে।
সংশ্লিষ্ট খাতের জন্য এর মানে হলো, ত্রুটি সংশোধনের চ্যালেঞ্জগুলো এখন কেবল বিশেষ কোয়ান্টাম হার্ডওয়্যারে নয়, বরং পরিসংখ্যানগত পদার্থবিদ্যার পরিচিত পদ্ধতি ব্যবহার করে ধ্রুপদী বা ক্লাসিক্যাল এক্সিলারেটরেও মোকাবিলা করা সম্ভব। তবে অতিরিক্ত ক্যালিব্রেশন ছাড়া বাস্তব কোয়ান্টাম নয়েজের মুখে এই মডেলগুলো কীভাবে কাজ করবে তা এখনও অজানা।
পরবর্তী গবেষণাগুলোতে সম্ভবত বাস্তব কোয়ান্টাম ডিভাইসে এর কার্যকারিতা যাচাই করা হবে এবং প্রথাগত ডিকোডারের সাথে এনার্জি খরচের তুলনা করা হবে।
পরিশেষে বলা যায়, এনভিডিয়ার এই আইসিং মডেল উন্মুক্ত করার উদ্যোগ কোয়ান্টাম-রেজিলিয়েন্ট এআই গবেষণায় স্বচ্ছতার এক নতুন মানদণ্ড তৈরি করেছে এবং আরও দক্ষ হাইব্রিড আর্কিটেকচারের পথ প্রশস্ত করেছে।
