امروز: پنجشنبه ۱۴۰۵-۰۸-۲۱


Thursday 12 November 2026
12-Nov-2026 4-جمادی الثانی-1448
TEHRAN WEATHER

استفاده از GPT-5 در حل یکی از سرسخت‌ترین مسائل حل‌نشده‌ی محاسبات کوانتومی

مدل gpt 5 به حل یکی از سرسخت‌ترین مسائل حل‌نشده‌ی محاسبات کوانتومی کمک خواهد کرد.

اختصاصی دیدبان شمال:

به گزارش دیدبان شمال از اینترستینگ انجینیرینگ، در علوم کامپیوتر، np به مسائلی اشاره دارد که در آنها می‌توان به سرعت راه‌حل را پیدا کرد، حتی اگر یافتن آن، زمان بسیار زیادی ببرد.

این دسته از نظریه‌ها، بخش زیادی از نظریه پیچیدگی مدرن را هدایت کرده‌اند. همتای کوانتومی آن، نظریه کوانتومی (QMA) است که در آن، اثبات نه به صورت رشته‌ای از بیت‌ها، بلکه به صورت یک حالت کوانتومی شکننده ارائه می‌شود.

محققان اکنون می‌گویند GPT-5 شرکت OpenAI به اثبات محدودیت‌های سختگیرانه برای QMA کمک کرده است. این مدل یک عبارت ریاضی را پیشنهاد کرد که منجر به دستیابی به موفقیتی در مورد میزان کاهش خطا شد.

این مطالعه ممکن است یکی از اولین مواردی باشد که هوش مصنوعی گامی ملموس در تحقیقات پیچیدگی کوانتومی ارائه داده است.

تعیین مرزها در QMA

اسکات آرونسون از دانشگاه تگزاس در آستین و فریک ویتیوین از CWI آمستردام مقاله جدید «محدودیت‌های تقویت جعبه سیاه در QMA» را نوشتند که اکنون در arXiv موجود است.

کار آنها بر اساس نتایج استیسی جفری و ویتوین در سال ۲۰۲۵ بنا شده و جدایی اوراکل آرونسون در سال ۲۰۰۸ را گسترش می‌دهد.

در QMA، یک اثبات‌کننده به نام مرلین یک شاهد کوانتومی را برای یک تأییدکننده به نام آرتور ارسال می‌کند. آرتور یک الگوریتم کوانتومی را اجرا می‌کند تا تصمیم بگیرد که آیا آن را بپذیرد یا خیر. دو عدد این سیستم‌ها را تعریف می‌کنند. کامل بودن، شانسی است که آرتور یک اثبات معتبر را بپذیرد. درست بودن، شانسی است که او به اشتباه یک اثبات نادرست را بپذیرد.

روش‌های تقویت می‌توانند با تکرار آزمایش و ترکیب نتایج، خطا را کاهش دهند. جفری و ویتوین نشان دادند که کامل بودن می‌تواند به نزدیکی نمایی مضاعف به یک برسد. سوال بی‌پاسخ این بود که آیا می‌تواند فراتر از آن برود؟

سهم کلیدی GPT-5

آرونسون در تحلیل مشکل داشت و به GPT-5 روی آورد. اولین پیشنهادات مدل اشتباه بود. پس از بحث و جدل، پیشنهاد داد که مشکل را با یک تابع واحد که میزان نزدیکی پذیرش به قطعیت را اندازه‌گیری می‌کرد، دوباره چارچوب‌بندی کنیم. این ایده تعیین‌کننده بود. محققان با استفاده از نظریه تقریب نشان دادند که کامل بودن نمی‌تواند از نزدیکی نمایی مضاعف به یک فراتر رود و سلامت نمی‌تواند از کوچک نمایی کمتر شود.

آرونسون در وبلاگ خود با عنوان Shtetl Optimized نوشت: «حالا، در سپتامبر ۲۰۲۵، من اینجا هستم تا به شما بگویم که هوش مصنوعی بالاخره برای چیزی که تجربه من به من می‌گوید اصیل‌ترین فعالیت فکری بشر از نظر انسانی است، آمده است: یعنی اثبات جدایی‌های اوراکل بین کلاس‌های پیچیدگی کوانتومی.»

این اثبات نشان می‌دهد که تقویت جعبه سیاه به سقف خود رسیده است. کامل بودن نمی‌تواند از دو برابر نمایی بیشتر شود و صحت نمی‌تواند از نمایی کمتر شود.

لینک کوتاه مطلب : https://didbanshomal.ir/?p=29257

آخرین اخبار

ارسال نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

آخرین اخبار