In the coming years, quantum technology will likely be a potent technological disruptor that may change the entire computing framework.

যে দেশগুলি এই ক্ষেত্রে শীর্ষস্থান অর্জন করবে তারা প্রাথমিক সুবিধা এবং নেতৃত্বের অবস্থান উপভোগ করবে। এই লক্ষ্যকে মাথায় রেখে, ভারত সরকার (GOI), তার 2020 কেন্দ্রীয় বাজেটে, পাঁচ বছরের জন্য 8,000 কোটি রুপি ব্যয়ের সাথে কোয়ান্টাম টেকনোলজিস অ্যান্ড অ্যাপ্লিকেশন (NM-QTA) বিষয়ে একটি জাতীয় মিশন ঘোষণা করেছে।

কোয়ান্টাম প্রযুক্তি কম্পিউটিং ক্ষেত্রে বিপ্লব ঘটাবে। কোয়ান্টাম কম্পিউটিং (QC) সুপারপজিশন এবং এনট্যাঙ্গলমেন্ট বৈশিষ্ট্যগুলি ব্যবহার করে প্রক্রিয়াকরণ শক্তি বৃদ্ধি করার জন্য কোয়ান্টাম মেকানিক্স বা কণা নীতিগুলি ব্যবহার করে।

ক্লাসিক্যাল কম্পিউটারগুলি তথ্য প্রক্রিয়া করার জন্য বাইনারি বিট (0 বা 1) ব্যবহার করে, যেখানে কোয়ান্টাম কম্পিউটারগুলি কোয়ান্টাম বিট বা কিউবিট ব্যবহার করে। বাইনারি বিটগুলি ট্রানজিস্টর ব্যবহার করে যা এক সময়ে শুধুমাত্র একটি মান ধরে রাখতে পারে (0 বা 1)। যদিও ট্রানজিস্টরের আকার বার্ষিক হ্রাস পাচ্ছে, আমরা ধীরে ধীরে সেই সীমাতে পৌঁছে যাচ্ছি যেখানে ক্লাসিক্যাল কম্পিউটারগুলি দ্রুত প্রক্রিয়া করতে পারে না।

অন্যদিকে, qubits একটি নির্দিষ্ট সম্ভাব্যতার সাথে 0 এবং 1 এর মধ্যে যে কোনও মান ধরে রাখতে পারে, যাকে বলা হয় সুপারপজিশন, যেখানে qubits পরিমাপ করার আগে একই সময়ে উভয় (0 এবং 1) অবস্থা ধরে রাখতে পারে। আরেকটি QC বৈশিষ্ট্য হল এনট্যাঙ্গলমেন্ট, যেখানে qubits ঘনিষ্ঠভাবে সম্পর্কিত, যা QC-কে জটিল সমস্যাগুলি সমাধান করতে দেয় যা ক্লাসিক্যাল কম্পিউটারের সাথে করা কঠিন। সুপারপজিশন সূচকীয় কম্পিউটিং শক্তি দেয়, যেখানে আণবিক স্তরে জটিল সমস্যাগুলি সমাধান করার জন্য এনট্যাঙ্গলমেন্ট শক্তি দেয়।

নিম্নলিখিত পরিসংখ্যানগুলি ক্লাসিক্যাল এবং কোয়ান্টাম বিটগুলিকে চিত্রিত করে।

কোয়ান্টাম কম্পিউটার ফাংশন করতে এবং ডেটা প্রক্রিয়া করতে, এটি একটি সুপারপজিশন অবস্থায় পর্যাপ্ত সময়ের জন্য একটি বস্তুকে ধরে রাখতে হবে। যাইহোক, একটি কোয়ান্টাম কম্পিউটারকে সুপারপজিশন এবং এনট্যাঙ্গলমেন্ট স্টেট ধরে রাখতে পরম শূন্যের কাছাকাছি ঠান্ডা করতে হবে। বর্তমান সময়ের কোয়ান্টাম কম্পিউটারগুলি শব্দ, কম্পন এবং তাপমাত্রা পরিবর্তনের মতো একাধিক বাহ্যিক কারণের কারণে উচ্চ ত্রুটির হারের ঝুঁকিতে রয়েছে।

নিম্নলিখিত ইনফোগ্রাফিক উত্পাদন শিল্পে QC এর চ্যালেঞ্জ, সক্ষমকারী এবং অ্যাপ্লিকেশনগুলিকে চিত্রিত করে।

ব্যবহার কেস 1: সাপ্লাই চেইন নেটওয়ার্ক অপ্টিমাইজেশন
নিম্নলিখিত চিত্রটি খরচ কমিয়ে একটি নির্দিষ্ট এলাকার মধ্যে চাহিদা মেটাতে পরিষেবার সাথে সজ্জিত করার জন্য সেরা সম্ভাব্য সাইট বা রুটগুলির নির্বাচনকে চিত্রিত করে৷

কোয়ান্টাম কম্পিউটারের সম্ভবত বিভিন্ন সম্ভাব্য ফলাফল মূল্যায়নের জন্য অপ্টিমাইজেশানের উপর নির্ভর করে এমন শিল্পগুলির জন্য উল্লেখযোগ্য প্রভাব থাকতে পারে, প্রতিটিতে অসংখ্য নির্ভরতা এবং সীমাবদ্ধতা রয়েছে।

চিত্র 4 একটি সরল সরবরাহ চেইন নেটওয়ার্ক চিত্রিত করে। দুটি প্ল্যান্ট আছে যেখান থেকে প্রতিটি সাইট থেকে চাহিদা পূরণের জন্য উপকরণ তিনটি বিতরণ কেন্দ্রে পাঠাতে হবে। যদি প্রতিটি রুটের জন্য পরিবহন খরচ (C) স্থির করা হয়, তাহলে ইউনিটটি উপাদান অংশ প্রবাহ (X) অপ্টিমাইজ করে সামগ্রিক খরচ (Z) কমিয়ে আনতে পারে।

কিন্তু বাস্তব দৃশ্য ভিন্ন হতে পারে। ম্যানুফ্যাকচারিং প্ল্যান্টের সংখ্যা 20 থেকে 30 হতে পারে, এবং বিতরণ কেন্দ্রগুলি 200 থেকে 400 হতে পারে। সেক্ষেত্রে, উপরের সমীকরণটি দীর্ঘ হয়ে যায়। ক্লাসিক্যাল কম্পিউটারগুলি অপ্টিমাইজ করা সমাধানগুলি রেন্ডার করতে বেশি সময় নেবে, যা কখনও কখনও সুযোগ হারাতে পারে। ধরুন অন্যান্য নির্ভরতা যেমন পরিবর্তনশীল জ্বালানি খরচ, পরিবর্তনশীল চাহিদা, নতুন প্রক্রিয়া এবং নতুন বিতরণ সাইট যোগ করতে হবে। সেক্ষেত্রে বর্তমান সময়ের কম্পিউটারের পক্ষে এটি প্রক্রিয়া করা অসম্ভব হয়ে উঠতে পারে। সুতরাং, আমাদের অবশ্যই অপ্টিমাইজ করা সমাধান এবং বাস্তব-সময় সিদ্ধান্ত গ্রহণের সুবিধার্থে কোয়ান্টাম কম্পিউটারের কম্পিউটিং ক্ষমতা ব্যবহার করতে হবে।

ইউজ-কেস 2: স্বয়ংক্রিয় যানবাহনে রুটিং
নিম্নোক্ত সারণী স্বায়ত্তশাসিত যানবাহনের বাস্তব-সময়ের সিদ্ধান্ত গ্রহণকে হাইলাইট করে।

আমরা রিয়েল-টাইম রাউটিং সমস্যা মোকাবেলা করতে QC ব্যবহার করতে পারি। এটি সংযুক্ত যানবাহন, সড়ক ও রেলপথ, আবহাওয়া উপগ্রহ এবং অন্যান্য ডেটা ফিড থেকে লাইভ ডেটা ব্যবহার করে।

সারণি 1 স্বায়ত্তশাসিত যানবাহনের বাস্তুতন্ত্র প্রদর্শন করে যেখানে ট্র্যাজেক্টরি পছন্দ করা হয়। বর্তমান অবস্থান এবং অতীত অভিজ্ঞতা বিশ্লেষণের উপর ভিত্তি করে সেরা রুট বাছাই করা যেতে পারে (মেশিন লার্নিং ব্যবহার করে টাইম সিরিজ ডেটা বিশ্লেষণ করে)। পাথ প্ল্যানিং সিস্টেমের সাহায্যে, QC ক্রমাগত রিয়েল টাইমে গাড়ির পাথ পুনঃক্রমিক করতে সাহায্য করতে পারে।