By Kenna Hughes-Castleberry δημοσιεύτηκε 23 Σεπτεμβρίου 2022
Όσον αφορά τις καινοτόμες νέες τεχνολογίες, τόσο η τεχνητή νοημοσύνη όσο και οι κβαντικοί υπολογιστές βρίσκονται στην κορυφή της λίστας. Η τεχνητή νοημοσύνη (AI) ή η μηχανική μάθηση χρησιμοποιείται ήδη ευρέως από τις εταιρείες για να συμβάλει στην αύξηση της αποτελεσματικότητας ή στον εντοπισμό προβλημάτων. Η τεχνητή νοημοσύνη χρησιμοποιεί δεδομένα και αλγόριθμους για να εντοπίσει μοτίβα στα δεδομένα και να μάθει με τρόπο παρόμοιο με τους ανθρώπους. Ο κβαντικός υπολογισμός, ομοίως, δεσμεύει αλγόριθμοι να λύνει δύσκολα προβλήματα πολύ πιο γρήγορα από έναν κλασικό υπολογιστή. Για πολλές εταιρείες, η δυνατότητα συνδυασμού αυτών των δύο τεχνολογιών μπορεί να οδηγήσει σε ορισμένα ισχυρά πλεονεκτήματα, ειδικά για τους κβαντικούς υπολογιστές.
Πώς συνδέεται η τεχνητή νοημοσύνη με τον κβαντικό υπολογισμό;
Ο Tim Teter, Εκτελεστικός Αντιπρόεδρος, Γενικός Σύμβουλος και Γραμματέας της NVIDIA, μιλά για την κβαντική μηχανική μάθηση (QML) (PC NVIDIA.com)
Εταιρείες όπως NVIDIA, πρωτοστατούν στις αγορές τεχνολογίας τόσο για την τεχνητή νοημοσύνη όσο και για τους κβαντικούς υπολογιστές. Επί του παρόντος, προσπαθούν να συνδυάσουν αυτά τα δύο σε μια νέα τεχνολογία, αυτό που είναι γνωστό ως «κβαντική μηχανική μάθηση» (QML). Στο πλαίσιο της κβαντικής μηχανικής μάθησης, οι διαδικασίες κβαντικών πληροφοριών συμπληρώνουν τη μηχανική μάθηση ανάλυση για την παροχή αποτελεσμάτων επόμενου επιπέδου. Σύμφωνα με Τιμ Τέτερ, τον Εκτελεστικό Αντιπρόεδρο, Γενικό Σύμβουλο και Γραμματέα του NVIDIA: «Αναμένεται ότι θα υπάρξουν περιπτώσεις μαθηματικά αυστηρών κβαντικών πλεονεκτημάτων στην [κβαντική μηχανική μάθηση]. Ένα παράδειγμα αυτού είναι στα κβαντικά παραγωγικά μοντέλα, επειδή πράγματα όπως οι κβαντικές συσχετίσεις είναι δύσκολο να αναπαραστηθούν κλασικά, οι κβαντικοί υπολογιστές μπορεί να έχουν μεγαλύτερη εκφραστική ισχύ όταν χρησιμοποιούν παραγωγικά μοντέλα. Αυτά χρησιμοποιούνται σε εφαρμογές όπως η επεξεργασία φυσικής γλώσσας."
Μια πρόσφατη Google AI Το blog παρουσίασε τα οφέλη της κβαντικής μηχανικής μάθησης, ειδικά για τους κβαντικούς αισθητήρες. Καθώς οι κβαντικοί αισθητήρες ασκούν επιρροή σε μετρήσεις υψηλής ακρίβειας, όπως για βαρυτική waves, η ύπαρξη μιας μεθόδου για τη βελτίωση της σταθερότητας και της επεκτασιμότητας αυτών των συσκευών θα άλλαζε το παιχνίδι. Σύμφωνα με το ιστολόγιο, η κβαντική μηχανική μάθηση: «διατρέχει τη γραμμή μεταξύ κβαντικών υπολογιστών και κβαντικών αισθητήρων… Αντί να μετράει την κβαντική κατάσταση, ένας κβαντικός υπολογιστής μπορεί να αποθηκεύσει κβαντικά δεδομένα και να εφαρμόσει έναν αλγόριθμο QML για την επεξεργασία των δεδομένων χωρίς να τα καταρρέει». Επειδή οι κβαντικοί υπολογιστές είναι ιδιαίτερα εύθραυστοι, η χρήση κβαντικής μηχανικής εκμάθησης μπορεί όχι μόνο να μειώσει τον περιβαλλοντικό θόρυβο αλλά να κάνει πιο δυνατή την επεκτασιμότητα.
Πώς η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει στην Κβαντική Επεκτασιμότητα
Υπάρχουν πολλές προκλήσεις για την κλιμάκωση των κβαντικών υπολογιστών. Ένα από τα μεγαλύτερα είναι ο έλεγχος του μεγαλύτερου αριθμού qubits μέσα σε ένα μεγαλύτερο κβαντικό σύστημα. Ευτυχώς, η μηχανική μάθηση μπορεί να βοηθήσει να ξεπεραστεί αυτή η πρόκληση. «Η μηχανική μάθηση μπορεί να βοηθήσει πραγματικά στην αντιμετώπιση μιας μεγάλης περιοχής στο μέλλον, που είναι, καθώς τα κβαντικά συστήματα αρχίζουν να κλιμακώνονται σε περισσότερα qubits, η δυσκολία θα είναι με τη βαθμονόμηση και τον έλεγχο των κβαντικών συστημάτων», εξήγησε ο Teter. «Η ανάπτυξη κβαντικών υπολογιστών περιλαμβάνει συντονισμό και βαθμονόμηση μεγάλου αριθμού παραμέτρων ανά qubit. Σήμερα, οι κβαντικοί επιστήμονες ξοδεύουν πολύ χρόνο για να το κάνουν αυτό, αλλά στο μέλλον, καθώς τα συστήματα κλιμακώνονται σε σενάρια ανάπτυξης, αυτό φυσικά δεν θα είναι εφικτό. Έτσι, είναι ένα από τα πράγματα για τα οποία πιστεύουμε ότι η πλατφόρμα NVIDIA είναι ιδανική για σύζευξη με κβαντικό υπολογισμό σε μια υβριδική προσέγγιση». Η υβριδική πλατφόρμα της NVIDIA QODA (Quantum Optimized Device Architecture) συνδυάζει τον κλασικό και τον κβαντικό υπολογισμό με τη διαθεσιμότητα για προσθήκη σε προγράμματα μηχανικής εκμάθησης.
Δημιουργώντας ένα Μετασχηματιστικό Μέλλον
Αν και η πλατφόρμα QODA της NVIDIA είναι μόνο μία από τις πολλές που συνδυάζουν κβαντικό υπολογισμό και τεχνητή νοημοσύνη, αποτελεί μέρος μιας ευρύτερης τάσης που αξιοποιεί και τις δύο αυτές καινοτόμες τεχνολογίες για να επιτύχει νέες ανακαλύψεις. «Η τεχνητή νοημοσύνη είναι μια μετασχηματιστική τεχνολογία που υιοθετείται όλο και περισσότερο από κάθε είδους διαφορετικούς τομείς για την επίλυση δυσκολότερων προβλημάτων από αυτά που θα μπορούσαν να λυθούν χωρίς την τεχνητή νοημοσύνη», πρόσθεσε ο Teter. "Ενώ ο κβαντικός υπολογιστής είναι λίγο νωρίτερα στη διάρκεια της ζωής του, προσφέρει την υπόσχεση ότι θα είναι παρόμοια ανατρεπτικός σε ένα ευρύ φάσμα βιομηχανιών στο μέλλον."
Ο Kenna Hughes-Castleberry είναι συγγραφέας προσωπικού στο Inside Quantum Technology και Επιστήμονας Επικοινωνίας στο JILA (μια συνεργασία μεταξύ του Πανεπιστημίου του Κολοράντο Boulder και του NIST). Τα συγγραφικά της beats περιλαμβάνουν τη βαθιά τεχνολογία, το μετασύμπαν και την κβαντική τεχνολογία.
