जबकि वर्तमान क्वांटम कंप्यूटरों पर बड़े भाषा मॉडल (LLM) को प्रशिक्षित करना एक चुनौती बनी हुई है, हाल के निष्कर्ष क्वांटम कंप्यूटिंग और आर्टिफिशियल इंटेलिजेंस के बीच एक आशाजनक तालमेल का सुझाव देते हैं। IBM और Eviden (Atos समूह) के विशेषज्ञ इस क्षमता का पता लगा रहे हैं, जिससे कई प्रमुख क्षेत्रों में प्रगति का पता चलता है।
नेचर कम्प्यूटेशनल साइंस में 2021 के एक अध्ययन में प्रदर्शित किया गया कि क्वांटम न्यूरल नेटवर्क को क्लासिकल समकक्षों की तुलना में तेजी से प्रशिक्षित किया जा सकता है, जो बड़े नेटवर्क के साथ महत्वपूर्ण क्षमता का संकेत देता है। क्वांटम कंप्यूटिंग अनुकूलन समस्याओं में उत्कृष्ट है, जो अधिक सटीक भविष्यवाणियों के लिए न्यूरल नेटवर्क मापदंडों को ठीक करने में सक्षम है।
यूरोपीय अंतरिक्ष एजेंसी (ESA) ने कंप्यूटर विजन में क्वांटम कंप्यूटिंग की शक्ति का प्रदर्शन किया, जिसमें क्वांटम न्यूरल नेटवर्क के साथ 96% छवि पहचान दर प्राप्त की गई, जबकि क्लासिकल नेटवर्क के साथ 85% थी, जिसमें उपग्रह छवियों का उपयोग करके ज्वालामुखी विस्फोटों का पता लगाया गया था। क्वांटम मॉडल ने काफी कम मापदंडों का उपयोग किया, जिसके परिणामस्वरूप ऊर्जा और डेटा की खपत कम हुई।
2024 में नेचर कम्युनिकेशंस में प्रकाशित शोध ने इन निष्कर्षों को और मजबूत किया, यह दर्शाता है कि एक क्वांटम मॉडल क्लासिकल मॉडल के समान सटीकता को दस गुना कम डेटा के साथ प्राप्त कर सकता है। क्वांटम कंप्यूटिंग मॉडल प्रशिक्षण के लिए उच्च गुणवत्ता वाले सिंथेटिक डेटा के निर्माण की सुविधा प्रदान करता है और जटिल डेटासेट में पैटर्न का पता लगाने में सुधार करता है, जिससे रसायन विज्ञान और सामग्री विज्ञान जैसे क्षेत्रों को लाभ होता है।
ये प्रगति छोटे मॉडलों के साथ सटीकता बढ़ाने, प्रदर्शन को अनुकूलित करने और विश्वसनीय परिणामों को गति देने के लिए क्वांटम कंप्यूटिंग की क्षमता की ओर इशारा करती है, जो संभावित रूप से AI अनुप्रयोगों में क्रांति ला सकती है।