D-Wave presenta un complemento de solución híbrida para aplicaciones de aprendizaje automático

D-Wave ha presentado un nuevo complemento de solución híbrida para la selección de características de su Ocean SDK, una capacidad que tiene como objetivo ayudar a las empresas a aprovechar la tecnología cuántica para optimizar el desarrollo de aplicaciones de aprendizaje automático (ML) en un momento en que muchas más empresas están adoptando IA. y tecnologías de aprendizaje automático

El complemento de solución híbrida, ahora disponible para descargar, permite a los desarrolladores incorporar cuánticamente en la selección de funciones para los flujos de trabajo de ML con mayor facilidad. D-Wave dijo que está diseñado para integrarse perfectamente con scikit-learn, una biblioteca de ML de última generación y estándar de la industria para Python.

Según IDC, el 78 % de las organizaciones cree que los proyectos impulsados ​​por IA tienen un impacto significativo o muy significativo en los resultados comerciales, pero los proyectos pueden ser complejos y lentos, lo que otorga una gran importancia a cualquier herramienta que pueda optimizar esos esfuerzos.

“La tecnología emergente de AI/ML para el descubrimiento y la reutilización de características puede facilitar un tiempo de valor comercial más rápido, sintetizando información en toda la empresa”, dijo Kathy Lange, Directora de Investigación de AI y Automatización de IDC.

“Escuchamos de los clientes que la combinación de soluciones híbridas cuánticas con características la selección en la capacitación del modelo AI/ML es importante para acelerar el impacto comercial”, agregó Murray Thom, vicepresidente de innovación comercial cuántica en D-Wave. “Este complemento representa otro ejemplo más de cómo D-Wave facilita los flujos de trabajo de aprendizaje automático cuántico y facilita la incorporación de la optimización en los esfuerzos de selección de funciones”.

La selección de características, un componente clave del aprendizaje automático, es el problema de determinando un pequeño conjunto de las características más representativas para mejorar el entrenamiento del modelo y rendimiento en ML. Con el nuevo complemento, que abstrae formulaciones de optimización complejas, los desarrolladores de ML no necesitan ser expertos en optimización o resolución híbrida para obtener los beneficios comerciales y técnicos de ambos. Los desarrolladores que crean aplicaciones de selección de funciones pueden crear una tubería con scikit-learn y luego incorporar los solucionadores híbridos de D-Wave en este flujo de trabajo de manera más fácil y eficiente, dijo D-Wave.

Dan O'Shea ha cubierto telecomunicaciones y temas relacionados, incluidos semiconductores, sensores, sistemas minoristas, pagos digitales y computación/tecnología cuántica durante más de 25 años.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
• Fuente: https://www.insidequantumtechnology.com/news-archive/d-wave-unveils-hybrid-solver-plug-in-for-machine-learning-apps/