By Kenna Hughes-Castleberry lagt ut 23. september 2022
Når det kommer til innovative nye teknologier, er både kunstig intelligens og kvantedatabehandling øverst på listen. Kunstig intelligens (AI) eller maskinlæring blir allerede mye brukt av selskaper for å øke effektiviteten eller oppdage problemer. Kunstig intelligens bruker data og algoritmer for å identifisere mønstre i dataene og lære på en måte som ligner på mennesker. Quantum computing, på samme måte, seler algoritmer å løse vanskelige problemer mye raskere enn en klassisk datamaskin. For mange selskaper kan muligheten til å kombinere disse to teknologiene føre til noen kraftige fordeler, spesielt for kvantedatabehandling.
Hvordan fungerer kunstig intelligens med kvantedatabehandling?
Tim Teter, Executive Vice President, General Counsel og Secretary of NVIDIA, snakker om kvantemaskinlæring (QML) (PC NVIDIA.com)
Bedrifter som NVIDIA, leder teknologimarkedene for både kunstig intelligens og kvantedatabehandling. For tiden ser de etter å kombinere disse to til en ny teknologi, det som er kjent som "kvantemaskinlæring" (QML). Innen kvantemaskinlæring utfyller kvanteinformasjonsprosesser maskinlæring analyse for å gi resultater på neste nivå. I følge Tim Teter, Executive Vice President, General Counsel og sekretær for NVIDIA: «Det forventes at det vil være tilfeller av matematisk strenge kvantefordeler i [kvantemaskinlæring]. Et eksempel på dette er i kvantegenerative modeller, fordi ting som kvantekorrelasjoner er vanskelig å representere klassisk, kan kvantedatamaskiner ha mer uttrykkskraft når de bruker generative modeller. Disse brukes i applikasjoner som naturlig språkbehandling."
En fersk Google AI blogg illustrerte fordelene med kvantemaskinlæring, spesielt for kvantesensorer. Som kvantesensorer er innflytelsesrike i høypresisjonsmålinger, som for gravitasjons bølger, å ha en metode for å forbedre stabiliteten og skalerbarheten til disse enhetene ville være en game changer. I følge bloggen, kvantemaskinlæring: "grenser linjen mellom kvantedatamaskiner og kvantesensorer ... I stedet for å måle kvantetilstanden, kan en kvantedatamaskin lagre kvantedata og implementere en QML-algoritme for å behandle dataene uten å kollapse dem." Fordi kvantedatamaskiner er spesielt skjøre, kan bruk av kvantemaskinlæring ikke bare redusere miljøstøy, men gjøre skalerbarhet mer mulig.
Hvordan kunstig intelligens kan hjelpe til med kvanteskalerbarhet
Det er mange utfordringer med å skalere opp kvantedatamaskiner. En av de største er å kontrollere det større antallet qubits innenfor et større kvantesystem. Heldigvis kan maskinlæring bidra til å overvinne denne utfordringen. "Maskinlæring kan virkelig bidra til å adressere et stort område i fremtiden, som er at etter hvert som kvantesystemer begynner å skalere opp til flere qubits, vil vanskeligheten være med å kalibrere og kontrollere kvantesystemer," forklarte Teter. «Å distribuere kvantedatamaskiner innebærer tuning og kalibrering av et stort antall parametere per qubit. I dag bruker kvanteforskere mye tid på å gjøre det manuelt, men i fremtiden, ettersom systemene skalerer opp til distribusjonsscenarier, vil dette selvfølgelig ikke være gjennomførbart. Så det er en av tingene der vi tror NVIDIA-plattformen passer utmerket for sammenkobling med kvantedatabehandling i en hybrid tilnærming.» NVIDIAs hybridplattform QODA (Quantum Optimized Device Architecture) kombinerer klassisk og kvantedatabehandling med tilgjengelighet for å legge til maskinlæringsprogrammer.
Skape en transformativ fremtid
Selv om NVIDIAs QODA-plattform bare er en av mange som kombinerer kvantedatabehandling og kunstig intelligens, er den en del av en større trend som utnytter begge disse innovative teknologiene for å oppnå nye gjennombrudd. "AI er en transformativ teknologi som i økende grad blir tatt i bruk av alle slags forskjellige sektorer for å løse vanskeligere problemer enn det som kan løses uten AI," la Teter til. "Mens kvantedatabehandling er litt tidligere i sin levetid, gir den løftet om å være like forstyrrende for et bredt spekter av industrier i fremtiden."
Kenna Hughes-Castleberry er stabsskribent ved Inside Quantum Technology og Science Communicator ved JILA (et partnerskap mellom University of Colorado Boulder og NIST). Skriverytmene hennes inkluderer dypteknologi, metaverset og kvanteteknologi.
