శ్రద్ధ గంటించిన పరిశోధకులు AI ను ఉపయోగించి సబ్‌మాటిక్ కణాల మధ్య క్వాంటం ఎంటాంగ్ల్మెంట్ సాధించడానికి సరళమైన దృష్టికోణాన్ని అభివృద్ధి చేశారు, ఇది క్వాంటమ్ సాంకేతికతలకు మరింత ప్రాప్యత కల్పించగలది. క్వాంటం ఎంటాంగ్ల్మెంట్ అనేది కణాలు, ఫోటాన్లలాంటి, ఒకటి друг другలు కనెక్ట్ కావడం ద్వారా వ్యవహరించగల సమ్మేళన లక్షణాలను, సమాచారం వంటి, ఏ దూరంలోనైనా పంచుకోవడానికి అనుమతిస్తుంది. ఈ ఫీనోమర్మ్ క్వాంటం భౌతిక శాస్త్రంలో ముఖ్యమైనది మరియు క్వాంటమ్ కంప్యూటర్ల శక్తిని పెరిగే కీలక అంశం. కానీ, ఈ ఎంటాంగ్ల్డ్ స్థితులను సృష్టించడం శాస్త్రవేత్తలకు చరిత్రాత్మకంగా కష్టం అయింది. ఈ సంక్లిష్టత రెండు విభిన్న జంటల కణాలను సిద్ధం చేయడం మరియు తరువాత బెల్-స్థితి మాపనకు అప్పీల్ చేస్తుంది—ప్రతి జంటలో ఒక ఫోటాన్నిఅంచనా వేయడం అవసరం, వారి ఎంటాంగ్ల్మెంట్ యొక్క బలాన్ని పరిగణలోకి తీసుకోవటం. ఇలాంటి మాపనలు అనివార్యంగా క్వాంటమ్ కాపలంలో మునిగిపోయే సంఘటనలకు దారితీయడం వల్ల, రెండు అంచనా వేయని ఫోటాన్లు ప్రత్యక్షంగా పరస్పరం స్పందించకుండానే ఎంటాంగ్ల్డ్ స్థితిలోకి మారుతాయి. ఈ పద్ధతిని "ఎంటాంగ్ల్మెంట్ స్వాపింగ్" అనిపిస్తున్నారు, ఇది క్వాంటమ్ టెలిపోర్టేషన్‌లో అనువర్తనాలను కలిగి ఉంది. డిసెంబర్ 2, 2024లో, ఫిజికల్ రివ్యూలెట్లు జర్నల్‌లో ప్రచురించబడిన ఒక తాజా అధ్యయనంలో, పరిశోధకులు క్వాంటం-ఆప్టిక్ అనుభవాలను సృష్టించేందుకు ప్రత్యేకంగా విరామించబడిన AI సాధనం, పీయథియస్‌ను ఉపయోగించారు. మొదట, రచయితలు క్వాంటమ్ కమ్యూనికేషన్‌లో ఎంటాంగ్ల్మెంట్ స్వాపింగ్ కోసం ప్రస్తుత ప్రోటోకాల్‌ను పునరావృతం చేయాలని చింతించారు.

అయితే, AI ఎప్పుడూ ఫోటాన్ ఎంటాంగ్ల్మెంట్ సాధించడానికి మరింత సరళమైన పద్ధతిని సూచించింది. "రచయితలు వివిధ పరిస్థితుల క్రింది ఈ ప్రయోగం యొక్క స్థాపన వివరాలను పరిశీలించిన స్తూయులు ఏటవారిని శిక్షణ ఇచ్చారు, మరియు నెట్వర్క్ తాత్త్విక శాస్త్రాన్ని అర్థం చేసుకుంది, " CERN యొక్క క్వాంటమ్ సాంకేతికత ప్రారంభానికి పరిశోధన శాస్త్రవేత్త సోఫియా వాల్లెకోర్సా తెలిపారు, జాతీయ అధ్యయనంలో భాగంగా లేవు. AI ఫోటాన్ల ఏకత్రిత చర్యల నుండి ఎంటాంగ్ల్మెంట్ ఉత్పన్నమయ్యే అవకాశాన్ని సూచించింది; ఫోటాన్ల జాతీయ మూలాలు స్పష్టంగా లేదా పొయినప్పుడు, క్వాంటం ఎంటాంగ్ల్మెంట్ ఏర్పడవచ్చు. ప్రారంభ విరోధాలను దాటించి, పరిశోధకులు AI యొక్క పరిష్కారాన్ని సార్వత్రికంగా సరైనదిగా కనుగొన్నారు, దాన్ని పరీక్షించడానికి ప్రేరేపించారు. ఫోటాన్ల మూలాలను స్పష్టంగా మార్చి, వారు ప్రత్యేక మార్గాల నుండి ఫోటాన్లను గుర్తించడానికి అవకాశాలను ఏర్పరచారు, తద్వారా రెండు ఇతర ఫోటాన్ ఉత్పత్తి అవసరం ఏర్పడింది. ఈ పురోగతి క్వాంటమ్ ఎంటాంగ్ల్మెంట్ నిర్మాణాన్ని సరళతను కలిగిస్తోంది, అది భద్రతా కమ్యూనికేషన్ కోసం ఉపయోగించబడే క్వాంటమ్ నెట్‌వర్క్‌లను మలచడం ద్వారా ప్రాముఖ్యంగా మార్పును కల్గించగలదు. "మనం సరళమైన సాంకేతికతపై ఎక్కువ ఆధారపడగలిగితే, అభివృద్ధి చేసేందుకు విస్తృత పర్యావరణాన్ని కలిగి ఉంటుంది, " వాల్లెకోర్సా పేర్కొంది. "వिविध ఆకారాలతో మరింత సంక్లిష్ట నెట్‌వర్క్‌లను నిర్మించడం సాధ్యం అయితే అది చివరినుండి ప్రారంభించడం పట్ల ముఖ్య ఫలితాలను కలిగి ఉంటుంది. " ఈ సాంకేతికతను వ్యాసకం చేయడానికి విఫలమయ్యే ప్రకృతి ప్రాభావాలు మరియు పరికరాల లోపాల వంటి సమస్ఱుద్ధిని కారణాల కారణంగా సామాన్య ఉత్పత్తి ప్రాసెస్‌లో విస్తారంగా చూడాలి. ఇది కానీ, ఈ అధ్యయనం క్వాంటం భౌతిక శాస్త్రంలో AI యొక్క విలువను తెలియజేస్తుంది. "మనం మరింత క్వాంటమ్ భావనలు అన్వేషిస్తుండగా, భవిష్యత్కాలంలో ఎలాగైనా భౌతిక శాస్త్రవేత్తల పాత్రపై కొంచెం సందేహం ఉంది, " వాల్లెకోర్సా పేర్కొంది. "ఇది ఒక అద్భుతమైన అవకాశాన్ని ప్రదర్శిస్తుంది మరియు AI ఫిజిసిస్ట్‌లకు విలువైన ఉప కర్తగా ఎలా పనిచేయగలదో చూపిస్తుంది. "