By Kenna Hughes-Castleberry offentliggjort 23. september 2022
Når det kommer til innovative nye teknologier, er både kunstig intelligens og kvanteberegning øverst på listen. Kunstig intelligens (AI) eller maskinlæring er allerede ved at blive meget brugt af virksomheder til at hjælpe med at øge effektiviteten eller opdage problemer. Kunstig intelligens bruger data og algoritmer til at identificere mønstre i dataene og lære på en måde, der ligner mennesker. Quantum computing, på samme måde, seler algoritmer at løse vanskelige problemer meget hurtigere end en klassisk computer. For mange virksomheder kan evnen til at kombinere disse to teknologier føre til nogle stærke fordele, specielt til kvanteberegning.
Hvordan fungerer kunstig intelligens med kvantecomputere?
Tim Teter, Executive Vice President, General Counsel og Secretary of NVIDIA, taler om quantum machine learning (QML) (PC NVIDIA.com)
Virksomheder som NVIDIA, er førende på teknologimarkederne for både kunstig intelligens og kvantecomputere. I øjeblikket søger de at kombinere disse to til en ny teknologi, det der er kendt som "kvantemaskinelæring" (QML). Inden for kvantemaskinelæring supplerer kvanteinformationsprocesser maskinlæring analyse for at give resultater på næste niveau. Ifølge Tim Teter, Executive Vice President, General Counsel og sekretær for NVIDIA: “Det forventes, at der vil være tilfælde af matematisk strenge kvantefordele i [kvantemaskinelæring]. Et eksempel på dette er i kvantegenerative modeller, fordi ting som kvantekorrelationer er vanskelige at repræsentere klassisk, kvantecomputere kan have mere udtrykskraft, når de bruger generative modeller. Disse bruges i applikationer som naturlig sprogbehandling."
En nylig Google AI blog illustrerede fordelene ved kvantemaskinelæring, specielt til kvantesensorer. Som kvantesensorer er indflydelsesrige i højpræcisionsmålinger, som f.eks gravitationel bølger, at have en metode til at forbedre stabiliteten og skalerbarheden af disse enheder ville være en game changer. Ifølge bloggen, quantum machine learning: "grænser grænsen mellem kvantecomputere og kvantesensorer... I stedet for at måle kvantetilstanden kan en kvantecomputer gemme kvantedata og implementere en QML-algoritme til at behandle dataene uden at kollapse dem." Fordi kvantecomputere er særligt skrøbelige, kan brug af kvantemaskinelæring ikke kun reducere miljøstøj, men også gøre skalerbarhed mere mulig.
Hvordan kunstig intelligens kan hjælpe med kvanteskalerbarhed
Der er mange udfordringer ved at opskalere kvantecomputere. En af de største er at kontrollere det større antal qubits inden for et større kvantesystem. Heldigvis kan maskinlæring hjælpe med at overvinde denne udfordring. "Maskinlæring kan virkelig hjælpe med at adressere et stort område i fremtiden, hvilket vil sige, når kvantesystemer begynder at skalere op til flere qubits, vil vanskeligheden være med at kalibrere og kontrollere kvantesystemer," forklarede Teter. "Indsættelse af kvantecomputere involverer tuning og kalibrering af et stort antal parametre pr. qubit. I dag bruger kvanteforskere en masse tid på at gøre det manuelt, men i fremtiden, efterhånden som systemerne skaleres op til implementeringsscenarier, vil dette naturligvis ikke være muligt. Så det er en af de ting, hvor vi mener, at NVIDIA-platformen passer godt til at parre med kvantecomputere i en hybrid tilgang." NVIDIAs hybridplatform QODA (Quantum Optimized Device Architecture) kombinerer klassisk og kvanteberegning med tilgængelighed til at tilføje maskinlæringsprogrammer.
At skabe en transformativ fremtid
Selvom NVIDIAs QODA-platform kun er en af mange, der kombinerer kvanteberegning og kunstig intelligens, er den en del af en større trend, der udnytter begge disse innovative teknologier til at opnå nye gennembrud. "AI er en transformativ teknologi, der i stigende grad bliver adopteret af alle slags forskellige sektorer for at løse sværere problemer, end der kunne løses uden AI," tilføjede Teter. "Mens kvantecomputere er lidt tidligere i sin levetid, giver det løfte om at være tilsvarende forstyrrende for en lang række industrier i fremtiden."
Kenna Hughes-Castleberry er medarbejderskribent hos Inside Quantum Technology og Science Communicator på JILA (et partnerskab mellem University of Colorado Boulder og NIST). Hendes skrivebeats inkluderer deep tech, metaverset og kvanteteknologi.
