ক্লাসিক্যাল কম্পিউটিংয়ের কোয়ান্টাম কম্পিউটিংয়ের সাথে তুলনা করার সময় 'কম্পিউটার অবজ্ঞানকারীদের' সাধারণ কম্পিউটার বিজ্ঞানের ব্যবহার কি কার্যকর?

Question

ড্যানিয়েল উল্লেখ ডুবে একটি মন্তব্য , এর (আমার) মতামত সাড়া যে ধ্রুব গতি-আপ এর একটি সমস্যা একটি বহুপদী সময় অ্যালগরিদম admitting অনুর্বর হয়, যে$10^8$

জটিলতা তত্ত্বটি অসীম আকারের স্কেলিং সীমাতে খুব বেশি উন্মত্ত। বাস্তব জীবনে গুরুত্বপূর্ণ বিষয়গুলি হ'ল আপনি কীভাবে আপনার সমস্যার উত্তর পেয়ে যান।

কম্পিউটার সায়েন্সে অ্যালগরিদমে ধ্রুবকগুলিকে উপেক্ষা করা সাধারণ এবং সব মিলিয়ে এটি বরং ভাল কাজ করতে দেখা গেছে। (আমি বলতে চাচ্ছি, সেখানে হয় ভালো এবং ব্যবহারিক আলগোরিদিম। আমি আশা করি আপনি দান করবেন আমাকে (তাত্ত্বিক) আলগোরিদিম গবেষকরা এই একটি বরং বড় হাত ছিল!)

তবে, আমি বুঝতে পারি যে এটি এখনকার মতো কিছুটা আলাদা পরিস্থিতি:

1. একই কম্পিউটারে চলমান দুটি অ্যালগরিদমকে তুলনা না করে দুটি খুব সামান্য কম্পিউটারে দুটি (কিছুটা) আলাদা আলাদা অ্যালগরিদম ।
2. আমরা এখন কোয়ান্টাম কম্পিউটার নিয়ে কাজ করছি , যার জন্য সম্ভবত traditionalতিহ্যবাহী পারফোমেন্স পরিমাপ অপর্যাপ্ত হতে পারে।

বিশেষত, অ্যালগরিদম বিশ্লেষণের পদ্ধতিগুলি কেবলমাত্র পদ্ধতি । আমি মনে করি মূলত নতুন কম্পিউটিং পদ্ধতিগুলি আমাদের বর্তমান পারফরম্যান্স মূল্যায়নের পদ্ধতির একটি সমালোচনা পর্যালোচনা করার জন্য কল করে!

সুতরাং, আমার প্রশ্নটি হ'ল:

ক্লাসিকাল কম্পিউটারে কোয়ান্টাম কম্পিউটার বনাম অ্যালগরিদমগুলিতে অ্যালগরিদমগুলির পারফরম্যান্সের তুলনা করার সময়, ধ্রুবকগুলিকে 'উপেক্ষা' করার অভ্যাসটি কি একটি ভাল অনুশীলন?

Comments

ধ্রুবকগুলিকে উপেক্ষা করা ক্লাসিক্যাল কম্পিউটিংয়ে সর্বদা একটি ভাল ধারণা নয়। এটি কীভাবে কোয়ান্টাম কম্পিউটিং প্রশ্ন এবং অ্যালগোরিদম রিসোর্স স্কেলিং সম্পর্কে কীভাবে ভাববেন তা নিয়ে প্রশ্ন নয়? অন্য কথায়, কোনও গণনা পরিচালনার জন্য প্রয়োজনীয় সময় বা অন্যান্য সংস্থার কথা বলার সময়, গণনাটি কোয়ান্টাম বা শাস্ত্রীয় কিনা আপনি একশ মিলিয়ন গতির গতির একটি কারণ সম্পর্কে যত্নশীল কিনা তা এই প্রশ্নের সাথে অপ্রাসঙ্গিক বলে মনে হয়।

— ড্যানিয়েলস্যাঙ্ক

@ ড্যানিয়েলস্যাঙ্ক যেমনটি আমি উল্লেখ করেছি, অ্যালগরিদম বিশ্লেষণের ধ্রুবকগুলিকে উপেক্ষা করে শাস্ত্রীয় কম্পিউটিংয়ের জন্য বরং ভাল কাজ করেছে। এটি অ্যালগোরিদম গবেষকদের জন্য ডি-ফ্যাক্টো স্ট্যান্ডার্ড । আমি সেই সমস্ত অ্যালগোরিদম গবেষক যারা স্পষ্টতই দ্বিমত পোষণ করেন তাদের সম্পর্কে শুনতে আমি বেশ আগ্রহী । আমি এই প্রশ্নটি জিজ্ঞাসা করার মূল কারণটি হ'ল প্রায় 'অ্যালগরিদম গবেষক' না হয়ে 'কনস্ট্যান্টদের উপেক্ষা করা' একটি নিয়ম। যেহেতু আমি নিশ্চিত যে এই সাইটটিতে এমন লোকেরা দরকারী অবদানকারী হিসাবে থাকবে, ক্লাসিকালের সাথে কোয়ান্টামের তুলনা করার সময় এই ধরনের চিন্তাভাবনাটি সামঞ্জস্য করা উচিত কিনা তা জানতে আগ্রহী হতে পারে।

— বিচ্ছিন্ন টিকটিক

এই প্রশ্ন সম্পর্কে একটি আকর্ষণীয় চ্যাট এখানে ।

— ড্যানিয়েলস্যাঙ্ক

Answer 1

'উপেক্ষাকারী কনস্ট্যান্ট'-এর সাধারণ কম্পিউটার বিজ্ঞানের ব্যবহার কেবল তখনই কার্যকর যেখানে বিভিন্ন ধরণের হার্ডওয়্যার আর্কিটেকচার বা সফ্টওয়্যারগুলির পারফরম্যান্সের পার্থক্যকে কিছুটা ম্যাসেজ করে উপেক্ষা করা যেতে পারে। তবে এমনকি শাস্ত্রীয় গণনাতেও আপনি যদি জটিল সমস্যাগুলি বা বড় সমস্যার সমাধান করতে চান তবে আর্কিটেকচারের প্রভাব (ক্যাচিং আচরণ, হার্ড ডিস্ক ব্যবহার) সম্পর্কে সচেতন হওয়া গুরুত্বপূর্ণ is

ধ্রুবককে উপেক্ষা করার অনুশীলনটি এমন একটি অনুশীলন নয় যা বাস্তবায়নের দিক থেকে (ক্রমাগত নিশ্চিত হওয়া অর্থে) অনুপ্রাণিত হয়। এটি বেশিরভাগই অ্যালগরিদমগুলির অধ্যয়নের জন্য আগ্রহের দ্বারা পরিচালিত হয় যা রচনার অধীনে ভাল আচরণ করা হয় এবং খাঁটি গণির কাছাকাছি পদ্ধতিতে সহজ চরিত্রগুলি স্বীকার করে। ট্যুরিং মেশিনগুলির গতি বাড়ানোর তত্ত্বগুলি বোঝায় যে কোনও বোধগম্য সংজ্ঞা সংবেদনশীল তত্ত্বে পৌঁছানোর জন্য সমস্যার জটিলতা খুব স্পষ্টভাবে পিন করার চেষ্টা করতে পারে না; এবং তদতিরিক্ত, কঠিন সমস্যার জন্য ভাল অ্যালগরিদমগুলি সন্ধানের সংগ্রামে, ধ্রুবক কারণগুলি গাণিতিকভাবে আকর্ষণীয় অংশ ছিল না ...

অ্যালগরিদমের অধ্যয়নের জন্য এই আরও বিমূর্ত পদ্ধতিটি ছিল এবং বেশিরভাগ ক্ষেত্রে ফলদায়ক। তবে এখন আমরা এমন পরিস্থিতির মুখোমুখি হয়েছি যেখানে আমাদের কাছে দুটি মডেল গণনা রয়েছে, কোথায়

• এক প্রযুক্তিগত পরিপক্কতার (উন্নতমানের গণনা) উন্নত অবস্থায় রয়েছে; এবং
• একটি খুব অপরিণত অবস্থায় রয়েছে, তবে একটি তাত্ত্বিক মডেলটি উপলব্ধি করার চেষ্টা করছেন যা উল্লেখযোগ্য অ্যাসিম্পটোটিক উন্নতি করতে পারে (কোয়ান্টাম গণনা)।

এই ক্ষেত্রে, আমরা জিজ্ঞাসা করতে পারি যে ধ্রুবক কারণগুলির সাথে সাবধানে হিসাববিহীন হিসাব ছাড়াই , অ্যাসিম্পোটিক বেনিফিট বিবেচনা করা এমনকি বুদ্ধিমান কি না ? অতিরিক্ত প্রচেষ্টা যা মাপযোগ্য কোয়ান্টাম কম্পিউটিং না শুধুমাত্র স্কালে কারণের কিন্তু সঞ্চালন করার প্রয়োজন হতে পারে কারণ বহুপদী "speedups" তাত্ত্বিক কর্মক্ষমতা একটি কোয়ান্টাম এলগরিদম নিরূপক মধ্যে ওভারহেড সব একবার ধুয়ে যেতে পারে বিবেচনায় নেয়া হয়।

এই প্রথম দিনগুলিতে, কোয়ান্টাম আর্কিটেকচারের বিভিন্ন পদ্ধতির সাথে পারফরম্যান্সেও উল্লেখযোগ্য পার্থক্য থাকতে পারে। এটি কোনও অ্যালগরিদম অ্যাসিপোটোটিক বিশ্লেষণের চেয়ে কতটা ভাল সম্পাদন করে তার জন্য আর্কিটেকচারের পছন্দটিকে গুরুত্বপূর্ণ (যদি আরও গুরুত্বপূর্ণ না করে তোলে) তৈরি করতে পারে - ঠিক তেমনি আপনার ভ্যান নিউম্যান মেশিনে বা প্রচলিত বিতরণ করা নেটওয়ার্কে আপনার প্রচলিত গণনা করা হয় কিনা তা আপনার পক্ষে অনেক গুরুত্বপূর্ণ matter উল্লেখযোগ্য বিলম্ব সহ।

ব্যবহারিক গণনার জন্য আসলে গুরুত্বপূর্ণ বিষয়টি হ'ল - এবং সর্বদা ছিল - কেবল অ্যালগরিদম নয়, তবে অ্যালগরিদমের বাস্তবায়ন : একটি অ্যালগরিদম একটি নির্দিষ্ট উপায়ে একটি নির্দিষ্ট স্থাপত্যে উপলব্ধি করা হয়েছিল। অ্যাসিমেটোটিক বিশ্লেষণের সাধারণ অনুশীলন যা ধ্রুবক কারণগুলিকে উপেক্ষা করে আমাদের অ্যালগরিদমের পারফরম্যান্সের পার্থক্যের জন্য নিয়মতান্ত্রিক, গাণিতিক কারণগুলিতে মনোযোগ দিতে দেয় এবং যখন বাস্তুগত পার্থক্য বাস্তবের উপর প্রভাব ফেলতে পারে না তখন বাস্তবে সেই সময়গুলিতে অনুপ্রাণিত হয় ।

কোয়ান্টাম প্রযুক্তির ক্ষেত্রে, আমরা সেই সুখী পরিস্থিতিতে নেই যেখানে আমরা কোনও ব্যবহারিক প্রসঙ্গে স্থির কারণগুলিতে নিরাপদে চকচকে করতে পারি। তবে সম্ভবত একদিন আমরা তা করতে সক্ষম হব। এটি কোয়ান্টাম তথ্য প্রযুক্তির দীর্ঘ খেলা - এখন অবধি, কোয়ান্টাম তথ্য প্রযুক্তির যতটুকু একাডেমিক কম্পিউটার বিজ্ঞানীরা এ পর্যন্ত খেলেছে। সেই দিনটি অনুমান করে যখন কোয়ান্টাম প্রযুক্তি তার গতিবেগ খুঁজে পাবে , কোয়ান্টাম অ্যালগরিদমের কার্যকারিতাতে তদন্তের এক লাইন হিসাবে অ্যাসিপটোটিক বিশ্লেষণ চালিয়ে যাওয়া আমাদের পক্ষে ভাল হবে ।

Comments

সুতরাং, উপসংহারে, আপনি আপাতত 'ধ্রুবকগুলিকে দূরে সরিয়ে না দেওয়ার' পক্ষে রয়েছেন , যদিও আমরা এখনও এমন পর্যায়ে রয়েছি যেখানে বাস্তবায়ন অত্যন্ত গুরুত্বপূর্ণ is মজাদার. আমি আপনার যুক্তি রেখা পছন্দ করি, তবে আমি কিছুটা দ্বিমত পোষণ করি। আমি শীঘ্রই আমার নিজের একটি উত্তরে এটিতে প্রসারিত করব।

— বিচ্ছিন্ন টিকটিক

@ ডিসক্রিটেলাইজার্ড: আমি কনস্ট্যান্টদের ব্যবহারিক পার্থক্যের ক্ষেত্রে এমন পরিস্থিতিতে কনস্ট্যান্টদের দূরে সরিয়ে না দেওয়ার পক্ষে। স্পষ্টতই 1e8 এর মতো ধ্রুবকগুলিও শাস্ত্রীয় গনণে ব্যবহারিকভাবে গুরুত্বপূর্ণ; তবে অন্যান্য বিবরণগুলিও খুব আকর্ষণীয় হতে পারে তা সন্ধানের চেষ্টা করার জন্য আমরা এই ধ্রুবকগুলিকে উপেক্ষা করতে পারি। তবে এটি সত্য যে কোয়ান্টাম এবং শাস্ত্রীয় প্রযুক্তির মধ্যে আজকের তুলনায় ক্লাসিক্যাল গণনার মধ্যে এটি তুলনায় 1e8 আরও বেশি গুরুত্বপূর্ণ।

— নিল দে বৌদ্রাপ

Answer 2

$O\left(f\left[N\right]\right)$$N$

$10^{10}$ prefactor, আমি এটা অ্যাপ্লিকেশনের জন্য দরকারী কল করবে।

$\approx300$ একক কোড চালানোর ক্ষেত্রে ফ্যাক্টর সুবিধা সহ । তদুপরি, এটি একটি সিনথেটিক মানদণ্ড সমস্যা এবং আগ্রহের প্রয়োগ নয়। বাধাদানকারী থেকে দূরে ... আরও তথ্যের জন্য https://arxiv.org/abs/1711.01368 দেখুন ।

Answer 3

ক্লাসিক্যাল গণনার সাথে কোয়ান্টাম গণনার তুলনা করার সময় আপনি ধ্রুবক কারণগুলি উপেক্ষা করতে পারবেন না। এরা অনেক বড়।

উদাহরণস্বরূপ, আমি গত বছর উপস্থাপিত কিছু স্লাইডগুলির একটি চিত্র এখানে :

নীচের দিকের জিনিসগুলি হ'ল ম্যাজিক স্টেট কারখানাগুলি। তাদের 150K শারীরিক কুইটগুলির একটি পদচিহ্ন রয়েছে। যেহেতু AND গেটটি 0.6 মিলি সেকেন্ডের জন্য 150K কুইবিট ব্যবহার করে, তাই আমরা অনুমান করেছি যে একটি কোয়ান্টাম এবং গেটের স্পেসটাইম ভলিউম 90 কোবিট সেকেন্ডের ক্রমযুক্ত।

আমার সহকর্মীদের লক্ষ্যগুলির মধ্যে একটি হ'ল ত্রুটি সংশোধন করার সময় 100 কুইবিট প্রতি 1 সিপিইউ ব্যবহার করা। সুতরাং আমরা বলতে পারি যে 90 কুইট সেকেন্ডে 0.9 সিপিইউ সেকেন্ডের কাজের প্রয়োজন হয়। আমরা কোয়ান্টাম নির্মাণ করেছিউপরের চিত্রটি তৈরি হওয়ার পরে কয়েকগুণ বেশি দক্ষ করেছি , সুতরাং এর পরিবর্তে এটি 0.1 সিপিইউ সেকেন্ড বলি।

(এমন অনেক অনুমান যা এই অনুমানের মধ্যে চলে যায়। কোন ধরণের আর্কিটেকচার, ত্রুটির হার ইত্যাদি I'm

Bit৪ বিট সংযোজন করতে AND 63 এবং গেটগুলি লাগে। 63 * 0.1 সিপিইউ সেকেন্ড 6 = 6 সিপিইউ সেকেন্ড। কোয়ান্টামালি, একটি bit৪ বিট সংযোজনে সিপিইউ সেকেন্ডের চেয়ে বেশি খরচ হয়। শাস্ত্রীয়ভাবে, একটি 64 বিট সংযোজনের জন্য CPU ন্যানোসেকেন্ডের চেয়ে কম খরচ হয়। এখানে খুব সহজেই 10 বিলিয়ন এর ধ্রুবক ফ্যাক্টর পার্থক্য রয়েছে। আপনি যদি একটি জিপিইউর মতো সমান্তরাল শাস্ত্রীয় মেশিনের সাথে তুলনা করেন, সংখ্যা আরও খারাপ হয়। আপনি যে বহু অঙ্ক সহ ধ্রুবক কারণগুলি উপেক্ষা করতে পারবেন না।

উদাহরণস্বরূপ, গ্রোভারের অ্যালগরিদম বিবেচনা করুন, যা আমাদের এন মূল্যায়নের পরিবর্তে ফাংশনের স্কয়ার্ট (এন) মূল্যায়নের একটি ক্রিয়াকলাপের একটি সন্তোষজনক ইনপুট অনুসন্ধান করতে দেয়। 10 বিলিয়ন ধ্রুবক ফ্যাক্টর যুক্ত করুন, এবং কোয়ান্টাম কম্পিউটারের জন্য কম মূল্যায়নের প্রয়োজন হয় যেখানে সমাধান করুন:

$$\begin{align} N &> 10^{10} \sqrt{N}\\ N &> 10^{20} \end{align}$$

গ্রোভারের অ্যালগরিদম মূল্যায়নগুলিকে সমান্তরাল করতে পারে না, এবং মূল্যায়নের জন্য কমপক্ষে একটি ও গেটের প্রয়োজন হয়, সুতরাং অনুসন্ধানটি যখন কয়েক মিলিয়ন বছর সময় নেয় তখন আপনি কেবলমাত্র সিপিইউ সময়ের সুবিধা দেখতে শুরু করেন seeing

আমরা যদি ধ্রুবক উপাদানগুলিকে অনেক বেশি উন্নত না করি, কেউ কখনও কোনও কাজের জন্য গ্রোভার অনুসন্ধান ব্যবহার করতে যাবেন না। এই মুহুর্তে কোয়ান্টাম-বনাম-ক্লাসিকাল পরিস্থিতি হ'ল ঘৃণ্য সুবিধা বা বক্ষ।

Answer 4

অন্য উত্তরগুলি ভাল পয়েন্ট সরবরাহ করার পরেও আমি মনে করি যে আমি এখনও কিছুটা দ্বিমত পোষণ করছি। সুতরাং, আমি এই বিষয়টিতে আমার নিজের ভাবনাগুলি ভাগ করব।

সংক্ষেপে, আমি মনে করি ধ্রুবক হিসাবে 'যেমন আছে' বৈশিষ্ট্যটি হ'ল সেরা সময় নষ্ট করা সুযোগ। আমরা এটি আপাতত পেতে সক্ষম সেরা এটি সম্ভবত, তবে এটি আদর্শ থেকে দূরে।

তবে প্রথমে, আমি মনে করি একটি সংক্ষিপ্ত ভ্রমণটি নেসেসেকারি।

কখন আমাদের একটি কার্যকর অ্যালগোরিদম থাকে?

ড্যানিয়েল স্যাঙ্ক যখন আমাকে জিজ্ঞাসা করলেন যে যদি আমি একটি সংখ্যার সাথে মৌলিক সংখ্যাগুলি ফ্যাক্টর করার জন্য একটি অ্যালগরিদম থাকে তবে আমি কী করব $10^6$গুরুতর উদাহরণগুলির পরীক্ষার সেটটিতে ফ্যাক্টর স্পিডআপ, আমি প্রথমে জবাব দিয়েছি যে আমি সন্দেহ করি এটি আলগোরিদিমিক উন্নতির কারণে ঘটবে, তবে অন্যান্য কারণগুলি (মেশিন বা বাস্তবায়ন)। তবে আমি মনে করি আমার এখন ভিন্ন প্রতিক্রিয়া আছে। আমি আপনাকে একটি তুচ্ছ আলগোরিদিম দেব যা মিলি সেকেন্ডের মধ্যে খুব বড় সংখ্যার কারণ তৈরি করতে পারে এবং তবুও এটি খুব অকার্যকর :

1. একটি সেট নিন $P$ এর (বেশ বড়) প্রাইমস
2. গনা $P^2$, হ'ল দুটি কম্প্যাক্টের সেট থেকে ঠিক দুটি কারণ of $P$। প্রতিটি সংমিশ্রণের জন্য, এটি তৈরিতে কোন জোড়া প্রাইম ব্যবহার করা হয় তা সংরক্ষণ করুন।
3. এখন, যখন থেকে একটি উদাহরণ দেওয়া হয় $P^2$, কেবল আমাদের টেবিলের ফ্যাক্টরীকরণটি দেখুন এবং এটির প্রতিবেদন করুন। অন্যথায়, 'ত্রুটি' প্রতিবেদন করুন

আমি আশা করি এটি স্পষ্টতই স্পষ্ট যে এই অ্যালগরিদমটি আবর্জনা, কারণ এটি কেবল সঠিকভাবে কাজ করে যখন আমাদের ইনপুটটি প্রবেশ করবে $P^2$। যাইহোক, যখন আমরা একটি কালো বাক্স হিসাবে অ্যালগরিদম দেওয়া হয় এবং "সহসূত্র" থেকে প্রাপ্ত ইনপুটগুলির সাথে কেবল পরীক্ষা দেওয়া হয় তখন আমরা এটি দেখতে পারি$P$? অবশ্যই, আমরা অনেক উদাহরণ পরীক্ষা করার চেষ্টা করতে পারি, তবে এটি তৈরি করা খুব সহজ$P$ অ্যালগরিদম ব্যতীত ইনপুটগুলিতে অকার্যকর ব্যতীত খুব বড় $P^2$ (সম্ভবত আমরা একটি হ্যাশ-মানচিত্র বা কিছু ব্যবহার করতে চাই)।

সুতরাং, এটি অযৌক্তিক নয় যে আমাদের জঞ্জাল আলগোরিদমটি কাকতালীয়ভাবে 'অলৌকিক' স্পিডআপস বলে মনে হচ্ছে। এখন, অবশ্যই অনেক পরীক্ষামূলক নকশার কৌশল রয়েছে যা ঝুঁকি হ্রাস করতে পারে, তবে সম্ভবত আরও চালাক 'দ্রুত' অ্যালগোরিদমগুলি এখনও অনেকের মধ্যে ব্যর্থ হয়, তবে পর্যাপ্ত উদাহরণ আমাদের চালিত করতে পারে না! (আরও মনে রাখবেন যে আমি ধরে নিচ্ছি যে কোনও গবেষকই দূষিত নয় , যা বিষয়টিকে আরও খারাপ করে তোলে!)

সুতরাং, আমি এখন জবাব দেব: "যখন আরও ভাল পারফরম্যান্স মেট্রিক থাকবে তখন আমাকে জাগ্রত করুন"।

তাহলে কীভাবে আমরা আরও ভাল করতে পারি?

আমরা যদি আমাদের 'ব্ল্যাক বক্স' অ্যালগরিদমকে সকল ক্ষেত্রে পরীক্ষা করতে পারি তবে আমরা উপরের দ্বারা বোকা হতে পারি না। তবে ব্যবহারিক পরিস্থিতিতে এটি অসম্ভব। (এটি তাত্ত্বিক মডেলগুলিতে করা যেতে পারে!)

পরিবর্তে আমরা যা করতে পারি তা হ'ল কিছু প্যারামিটারাইজডদের জন্য একটি পরিসংখ্যান অনুমান তৈরি করা চলমান সময়ের জন্য (সাধারণত ইনপুট আকারের জন্য) , সম্ভবত আমাদের অনুমান এবং পুনরায় পরীক্ষা করা, যতক্ষণ না আমরা আমাদের পছন্দ মতো কোনও অনুমান না পেয়ে এবং নালকে প্রত্যাখ্যান যুক্তিসঙ্গত বলে মনে করি না। (মনে রাখবেন যে অন্যান্য বিষয়গুলিও আমি উপেক্ষা করছি এর সাথে যুক্ত থাকতে পারে I'm আমি কার্যত একটি গণিতবিদ Exper পরীক্ষার নকশা আমার দক্ষতার মধ্যে কিছু নয়)

একটি প্যারামিটারাইজেশন উপর পরিসংখ্যানগতভাবে পরীক্ষার সুবিধা (যেমন আমাদের এলগরিদম $O(n^3)$? ) এটি হ'ল মডেলটি আরও সাধারণ এবং অতএব এটি আগের বিভাগের মতো 'প্রতারণা' করা আরও কঠিন। এটি অসম্ভব নয়, তবে এটি যুক্তিসঙ্গত কিনা তা নিয়ে পরিসংখ্যানগত দাবিগুলি ন্যায়সঙ্গত হতে পারে।

সুতরাং, ধ্রুবকগুলির সাথে কী করব?

আমি মনে করি কেবল "$10^9$ স্পিডআপ, বাহ! "এই মামলাটি পরিচালনা করার একটি খারাপ উপায় But তবে আমি এই ফলাফলটিকে সম্পূর্ণ উপেক্ষা করাও খারাপ বলেও মনে করি।

আমি মনে করি কৌতূহলী ধ্রুবকটিকে একটি অসঙ্গতি হিসাবে বিবেচনা করা সবচেয়ে কার্যকর , অর্থাত্ এটি একটি দাবি যা নিজেই আরও তদন্তের দাবি করে। আমি মনে করি যে কেবল 'আমাদের অ্যালগোরিদম এক্স সময় নেয়' এর চেয়ে বেশি সাধারণ মডেলের উপর ভিত্তি করে অনুমান তৈরি করা এটির জন্য একটি ভাল সরঞ্জাম। সুতরাং, যদিও আমি মনে করি না যে আমরা এখানে সিএস কনভেনশনগুলি কেবল গ্রহণ করতে পারি, ধ্রুবকদের জন্য সম্পূর্ণভাবে 'উপেক্ষা' উপেক্ষা করাও একটি খারাপ ধারণা।