By Kenna Hughes-Castleberry gepostet am 23. September 2022
Wenn es um innovative neue Technologien geht, stehen sowohl künstliche Intelligenz als auch Quantencomputing ganz oben auf der Liste. Künstliche Intelligenz (KI) oder maschinelles Lernen wird von Unternehmen bereits in großem Umfang eingesetzt, um die Effizienz zu steigern oder Probleme zu erkennen. Künstliche Intelligenz nutzt Daten und Algorithmen, um Muster in den Daten zu erkennen und auf ähnliche Weise wie Menschen zu lernen. Quantencomputing nutzt in ähnlicher Weise Algorithmen schwierige Probleme viel schneller zu lösen als ein klassischer Computer. Für viele Unternehmen kann die Möglichkeit, diese beiden Technologien zu kombinieren, zu erheblichen Vorteilen führen, insbesondere für das Quantencomputing.
Wie verbindet sich künstliche Intelligenz mit Quantencomputing?
Tim Teter, Executive Vice President, General Counsel und Secretary von NVIDIA, spricht über Quantum Machine Learning (QML) (PC NVIDIA.com)
Unternehmen mögen NVIDIA, sind führend auf den Technologiemärkten sowohl für künstliche Intelligenz als auch für Quantencomputing. Derzeit versuchen sie, diese beiden zu einer neuen Technologie zu kombinieren, dem sogenannten „Quantenmaschinellen Lernen“ (QML). Beim quantenmaschinellen Lernen ergänzen Quanteninformationsprozesse maschinelles Lernen Analyse um Ergebnisse auf höchstem Niveau zu liefern. Entsprechend Tim Teter, der Executive Vice President, General Counsel und Sekretär von NVIDIA: „Es wird erwartet, dass es Fälle mathematisch strenger Quantenvorteile beim [quantenmaschinellen Lernen] geben wird. Ein Beispiel dafür sind generative Quantenmodelle. Da Dinge wie Quantenkorrelationen auf klassische Weise schwer darzustellen sind, können Quantencomputer bei der Verwendung generativer Modelle eine größere Ausdruckskraft haben. Diese werden in Anwendungen wie der Verarbeitung natürlicher Sprache verwendet.“
Eine kürzlich Google AI Der Blog veranschaulichte die Vorteile des quantenmechanischen Lernens, insbesondere für Quantensensoren. Da Quantensensoren Einfluss auf hochpräzise Messungen haben, wie z Schwerkraft Wellen wäre eine Methode zur Verbesserung der Stabilität und Skalierbarkeit dieser Geräte von entscheidender Bedeutung. Dem Blog zufolge bewegt sich Quantenmaschinelles Lernen „auf der Grenze zwischen Quantencomputern und Quantensensoren … Anstatt den Quantenzustand zu messen, kann ein Quantencomputer Quantendaten speichern und einen QML-Algorithmus implementieren, um die Daten zu verarbeiten, ohne sie zu zerstören.“ Da Quantencomputer besonders fragil sind, kann der Einsatz von quantenmechanischem Lernen nicht nur den Umgebungslärm reduzieren, sondern auch die Skalierbarkeit verbessern.
Wie künstliche Intelligenz zur Quantenskalierbarkeit beitragen kann
Die Skalierung von Quantencomputern birgt viele Herausforderungen. Eine der größten Herausforderungen besteht darin, eine größere Anzahl von Menschen zu kontrollieren Qubits innerhalb eines größeren Quantensystems. Glücklicherweise kann maschinelles Lernen dabei helfen, diese Herausforderung zu meistern. „Maschinelles Lernen kann in der Zukunft wirklich dazu beitragen, einen großen Bereich anzugehen: Da Quantensysteme zunehmend zu mehr Qubits skaliert werden, wird die Schwierigkeit in der Kalibrierung und Steuerung von Quantensystemen liegen“, erklärte Teter. „Der Einsatz von Quantencomputern erfordert die Abstimmung und Kalibrierung einer großen Anzahl von Parametern pro Qubit. Heutzutage verbringen Quantenwissenschaftler viel Zeit damit, dies manuell zu erledigen, aber in Zukunft, wenn die Systeme in Einsatzszenarien skaliert werden, wird dies natürlich nicht mehr möglich sein. Daher ist die NVIDIA-Plattform unserer Meinung nach eine hervorragende Lösung für die Kombination mit Quantencomputing in einem Hybridansatz.“ NVIDIAs Hybridplattform QODA (Quantum Optimized Device Architecture) kombiniert klassisches und Quantencomputing mit der Möglichkeit, Programme für maschinelles Lernen hinzuzufügen.
Eine transformative Zukunft schaffen
Obwohl die QODA-Plattform von NVIDIA nur eine von vielen ist, die Quantencomputing und künstliche Intelligenz kombiniert, ist sie Teil eines größeren Trends, der diese beiden innovativen Technologien nutzt, um neue Durchbrüche zu erzielen. „KI ist eine transformative Technologie, die zunehmend in den unterschiedlichsten Branchen eingesetzt wird, um schwierigere Probleme zu lösen, als sie ohne KI gelöst werden könnten“, fügte Teter hinzu. „Obwohl das Quantencomputing noch etwas früher in seinem Leben ist, verspricht es, in Zukunft für eine Vielzahl von Branchen ähnlich disruptiv zu sein.“
Kenna Hughes-Castleberry ist Mitarbeiterin bei Inside Quantum Technology und Science Communicator bei JILA (eine Partnerschaft zwischen der University of Colorado Boulder und NIST). Ihre Beats beim Schreiben umfassen Deep Tech, Metaverse und Quantentechnologie.
