2023 लेखक: Bryan Walter | [email protected]. अंतिम बार संशोधित: 2023-05-21 22:25
चीनी भौतिकविदों ने गो गेम के क्वांटम संस्करण का आविष्कार और प्रयोग किया है। उन्होंने दिखाया कि इस तरह के खेल में संभावित पदों का सेट शास्त्रीय समकक्ष की तुलना में बहुत बड़ा है। इसकी जटिलता के कारण, क्वांटम गो क्वांटम श्रेष्ठता प्रदर्शित करने के लिए आशाजनक उम्मीदवारों में से एक हो सकता है। लेख का एक प्रीप्रिंट arXiv.org पर उपलब्ध है।
2016 में, अल्फ़ागो प्रोग्राम, जो मशीन लर्निंग एल्गोरिदम का उपयोग करता है, ने ली सेडोल और फिर के जी, सबसे मजबूत गो खिलाड़ी को हराया। उस समय, ऐसा लग रहा था कि इतनी बड़ी मात्रा में जानकारी को संसाधित करना और एक पेशेवर को हराना असंभव था। इसके बारे में गो: स्पीच ऑफ हार में और पढ़ें।
चीन के विज्ञान और प्रौद्योगिकी विश्वविद्यालय के जियान-मिन जिन के नेतृत्व में वैज्ञानिकों ने क्वांटम यांत्रिकी का उपयोग करके पहले से ही बड़ी संख्या में खेल के संभावित पदों का विस्तार करने का निर्णय लिया। ऐसा कार्य न केवल मशीन सीखने की क्षमताओं के दृष्टिकोण से, बल्कि क्वांटम प्रौद्योगिकियों के दृष्टिकोण से भी दिलचस्प हो जाता है। यह एक शास्त्रीय कंप्यूटर के लिए बहुत जटिल हो सकता है, जिससे क्वांटम कंप्यूटिंग अपनी श्रेष्ठता प्रदर्शित कर सके।
क्लासिक गो दो रंगों के पत्थरों से खेला जाता है - काला और सफेद। दो खिलाड़ी बारी-बारी से खेल के मैदान की 19 बटा 19 कोशिकाओं के चौराहों पर पत्थर रखते हैं (9 बटा 9, 13 बटा 13 संभव है)। खेल का लक्ष्य अपने विरोधियों से बड़े क्षेत्र को अपने पत्थरों से घेरना है। कब्जे वाले क्षेत्र में दुश्मन के पत्थर होने पर अतिरिक्त अंक प्राप्त किए जा सकते हैं।
लेखकों ने क्वांटम सुपरपोजिशन और मापन का उपयोग करके खेल के एक नए संस्करण का प्रस्ताव रखा। क्वांटम गो में एक ही बार में बोर्ड पर दो अलग-अलग जगहों पर पत्थर रखना संभव हो जाता है। खिलाड़ी दो पदों को चुनता है जिसमें पत्थर हो सकता है और उन्हें इंगित करता है। इस क्षण से जब तक इस पत्थर को मापा नहीं जाता है, तब तक यह सुपरपोजिशन की स्थिति में होता है। यानी कुछ संभावनाओं के साथ यह किसी न किसी स्थिति में पाया जा सकता है। यहां तक कि जिस खिलाड़ी ने इस क्वांटम स्टोन को रखा है, उसे भी ठीक से पता नहीं है कि मापने के बाद स्टोन कहां खत्म होगा। क्वांटम यांत्रिकी में एक माप एक क्वांटम वस्तु को दो राज्यों (पतन) में से एक को चुनने के लिए मजबूर करता है। इस मामले में, माप के बाद, क्वांटम पत्थर शास्त्रीय में बदल जाता है और बोर्ड पर केवल एक ही स्थान लेता है। एक पत्थर को तब मापा जाता है जब एक और पत्थर बगल के चौराहे पर दिखाई देता है।
बोर्ड पर प्रारंभिक स्थिति में तीन क्वांटम पत्थर हैं: 1, 2, 3। चित्र बी सभी विकल्पों को दिखाता है जब पत्थर 1 और 3 दो राज्यों में से एक में गिर गए हैं। पत्थर ४ को बोर्ड पर रखने के बाद, पत्थरों १, ३ को मापा जाता है और वे क्लासिक (दाएं-सबसे चित्र) बन जाते हैं।
खेल की यह विविधता यादृच्छिकता का एक तत्व जोड़ती है और संभावित सेटअपों की विविधता को बहुत बढ़ा देती है। इसके अलावा, आप खेल को दूसरे तरीके से जटिल बना सकते हैं: प्रतिभागियों से खेल के बारे में जानकारी का हिस्सा छिपाएं। क्वांटम गो में, आप खिलाड़ी को पत्थर की स्थिति की संभावनाओं को चुनने के लिए छोड़ सकते हैं और प्रतिद्वंद्वी को उनके बारे में नहीं बता सकते। इस मामले में, खेल को शास्त्रीय गो में कम किया जा सकता है, यदि हर बार किसी एक स्थिति को एक इकाई संभावना सौंपी जाती है।
अपने विचार पर शोध करने में, लेखक आगे बढ़े और खेल का एक प्रायोगिक प्रोटोटाइप बनाया। ऐसा करने के लिए, उन्होंने उलझे हुए फोटॉनों के जोड़े के स्रोत का उपयोग किया, जिन्हें सिंगल-फोटॉन डिटेक्टरों का उपयोग करके मापा गया था। खेल में प्रत्येक माप एक वास्तविक क्वांटम प्रणाली पर किया गया था, जिसके पतन ने संकेत दिया कि मापा पत्थर कहाँ रखा जाना चाहिए। इस तरह की एक ऑप्टिकल योजना छिपी हुई जानकारी के साथ खेल के एक संस्करण को लागू करना भी संभव बनाती है।
(ए) क्लासिकल गो, (बी) क्वांटम गो. के लिए 3-बाय-3 बोर्ड पर गेम के सभी संभावित परिणामों का ट्री
3 बाय 3 बोर्ड पर खेलने के सबसे सरल मॉडल ने दिखाया कि क्वांटम गो के लिए पदों का सेट शास्त्रीय गो की तुलना में बहुत बड़ा है। इसके अलावा, क्वांटम गो न केवल अपने शास्त्रीय समकक्ष की तुलना में, बल्कि अन्य गैर-नियतात्मक खेलों और छिपी जानकारी वाले खेलों की तुलना में अधिक कठिन निकला। इसकी जटिलता के कारण, नया गेम शास्त्रीय और क्वांटम एल्गोरिदम के क्षेत्र में प्रयोगों का क्षेत्र बन सकता है।
अभी तक मशीन लर्निंग एल्गोरिदम पर आधारित प्रोग्राम इंसानों से प्रतिस्पर्धा में सफलता दिखा रहे हैं। इसलिए, डीपमाइंड के वैज्ञानिकों ने गेम स्टारक्राफ्ट 2 के लिए अल्फास्टार एल्गोरिथम विकसित किया, जिसने एक टूर्नामेंट में 99.8 प्रतिशत खिलाड़ियों को हराया। पोकर पर भी किसी का ध्यान नहीं गया: लिब्रेटस की कृत्रिम बुद्धि ने 20-दिवसीय पोकर टूर्नामेंट में पेशेवर खिलाड़ियों को हराया। और अल्फ़ागो ज़ीरो के नए संस्करण ने स्वतंत्र रूप से शतरंज और शोगी खेलना सीखा।
