SAN SEBASTIÁN, SPANJE – 16 augustus 2022 – Multiverse computers, een bedrijf voor kwantumcomputeroplossingen, en IKERLAN, een centrum in de waarde van technologieoverdracht aan de industrie, hebben de resultaten vrijgegeven van een gezamenlijk onderzoek waarin defecten in gefabriceerde auto-onderdelen zijn opgespoord via beeldclassificatie door kwantumkunstmatige zichtsystemen.
Het onderzoeksteam ontwikkelde een kwantum-verbeterde kernelmethode voor classificatie op universele gate-gebaseerde kwantumcomputers, evenals een kwantumclassificatie-algoritme op een kwantumuitgloeier. Onderzoekers ontdekten dat beide algoritmen beter presteerden dan de gebruikelijke klassieke methoden bij de identificatie van relevante afbeeldingen en de nauwkeurige classificatie van fabricagefouten.
"Voor zover wij weten, vertegenwoordigt dit onderzoek de eerste implementatie van kwantumcomputervisie voor een relevant probleem in een productielijn", zegt Ion Etxeberria, CEO van IKERLAN. "Deze gezamenlijke studie bevestigde de voordelen van het toepassen van kwantummethoden op echte industriële uitdagingen. We zijn ervan overtuigd dat kwantumcomputing een sleutelrol zal spelen bij het bieden van op AI gebaseerde oplossingen voor bijzonder complexe scenario's."
"Quantum machine learning zal de auto- en productie-industrie aanzienlijk ontwrichten", zegt Roman Orus, Ph.D., Chief Scientific Officer bij Multiverse Computing. "We zijn verheugd om de waarde te zien van vroege toepassingen van quantumcomputing van vandaag, zoals quantum artificial vision, en zijn verheugd om samen met vooruitstrevende partners zoals IKERLAN een nieuw tijdperk van machine learning in te gaan naarmate de quantumtechnologie zich blijft ontwikkelen."
De co-auteur van het artikel, getiteld "Quantum artificial vision for defect detection in manufacturing", toont voorbeelden van de afbeeldingen die zijn geanalyseerd door de kwantumalgoritmen en geeft meer details over de context, statistieken en methoden die door de onderzoekers worden gebruikt en kan worden gedownload hier.
