By Kenny Hughes-Castleberry opublikowano 23 września 2022
Jeśli chodzi o innowacyjne nowe technologie, na szczycie listy znajdują się zarówno sztuczna inteligencja, jak i obliczenia kwantowe. Sztuczna inteligencja (AI) lub uczenie maszynowe są już szeroko stosowane przez firmy w celu zwiększenia wydajności lub wykrywania problemów. Sztuczna inteligencja wykorzystuje dane i algorytmy do identyfikowania wzorców w danych i uczenia się w sposób podobny do ludzi. Obliczenia kwantowe podobnie uprzężą Algorytmy rozwiązywać trudne problemy znacznie szybciej niż klasyczny komputer. Dla wielu firm możliwość połączenia tych dwóch technologii może przynieść pewne potężne korzyści, szczególnie w przypadku obliczeń kwantowych.
W jaki sposób sztuczna inteligencja łączy się z komputerami kwantowymi?
Tim Teter, wiceprezes wykonawczy, główny radca prawny i sekretarz firmy NVIDIA, przemawia na temat kwantowego uczenia maszynowego (QML) (PC NVIDIA.com)
Firmy takie jak NVIDIA, przewodzą rynkom technologicznym zarówno w zakresie sztucznej inteligencji, jak i obliczeń kwantowych. Obecnie chcą połączyć te dwa elementy w nową technologię, znaną jako „kwantowe uczenie maszynowe” (QML). W ramach kwantowego uczenia maszynowego kwantowe procesy informacyjne uzupełniają uczenie maszynowe analiza aby zapewnić wyniki na wyższym poziomie. Według Tima Tetera, wiceprezes wykonawczy, radca prawny i sekretarz ds NVIDIA: „Oczekuje się, że w [kwantowym uczeniu maszynowym] pojawią się przypadki matematycznie rygorystycznych zalet kwantowych”. Jednym z przykładów tego są kwantowe modele generatywne, ponieważ rzeczy takie jak korelacje kwantowe są trudne do przedstawienia w sposób klasyczny, komputery kwantowe mogą mieć większą moc ekspresji podczas korzystania z modeli generatywnych. Są one używane w aplikacjach takich jak przetwarzanie języka naturalnego”.
Ostatnia Google AI blog ilustruje korzyści z kwantowego uczenia maszynowego, szczególnie w przypadku czujników kwantowych. Ponieważ czujniki kwantowe mają wpływ na precyzyjne pomiary, takie jak np grawitacyjny Waves, mająca metodę poprawy stabilności i skalowalności tych urządzeń, byłaby przełomem. Według bloga, kwantowe uczenie maszynowe: „znajduje się na granicy między komputerami kwantowymi a czujnikami kwantowymi… Zamiast mierzyć stan kwantowy, komputer kwantowy może przechowywać dane kwantowe i implementować algorytm QML do przetwarzania danych bez ich załamywania”. Ponieważ komputery kwantowe są szczególnie delikatne, wykorzystanie kwantowego uczenia maszynowego może nie tylko zmniejszyć hałas środowiskowy, ale także zwiększyć skalowalność.
Jak sztuczna inteligencja może pomóc w skalowalności kwantowej
Skalowanie komputerów kwantowych wiąże się z wieloma wyzwaniami. Jednym z największych jest kontrolowanie większej liczby kubity w większym systemie kwantowym. Na szczęście uczenie maszynowe może pomóc w pokonaniu tego wyzwania. „Uczenie maszynowe może w przyszłości naprawdę pomóc zająć się dużym obszarem, który polega na tym, że gdy systemy kwantowe zaczną powiększać się do większej liczby kubitów, trudność będzie polegać na kalibracji i kontrolowaniu systemów kwantowych” – wyjaśnił Teter. „Wdrożenie komputerów kwantowych wymaga dostrojenia i kalibracji dużej liczby parametrów na kubit. Dzisiaj naukowcy zajmujący się kwantami spędzają dużo czasu robiąc to ręcznie, ale w przyszłości, gdy systemy będą skalowane do scenariuszy wdrożeniowych, nie będzie to oczywiście wykonalne. Jest to więc jedna z rzeczy, w przypadku których uważamy, że platforma NVIDIA doskonale pasuje do łączenia z obliczeniami kwantowymi w podejściu hybrydowym”. Platforma hybrydowa NVIDIA QODA (Quantum Optimized Device Architecture) łączy obliczenia klasyczne i kwantowe z możliwością dodawania programów uczenia maszynowego.
Tworzenie transformacyjnej przyszłości
Chociaż platforma QODA firmy NVIDIA jest tylko jedną z wielu platform łączących obliczenia kwantowe i sztuczną inteligencję, jest częścią szerszego trendu, który wykorzystuje obie te innowacyjne technologie w celu osiągnięcia nowych przełomów. „Sztuczna inteligencja to transformacyjna technologia, która jest coraz częściej wdrażana przez różne sektory w celu rozwiązywania trudniejszych problemów, niż można by rozwiązać bez sztucznej inteligencji” — dodał Teter. „Chociaż komputery kwantowe pojawiły się nieco wcześniej, obiecują, że w przyszłości będą podobnie destrukcyjne dla wielu branż”.
Kenna Hughes-Castleberry jest pisarzem personelu w Inside Quantum Technology i Science Communicator w JILA (partnerstwo między University of Colorado Boulder i NIST). Jej pisarskie bity obejmują deep tech, metaverse i technologię kwantową.
