IQT-jev “Journal Club” je serija tedenskih člankov, ki razčlenjuje nedavni raziskovalni članek o kvantni tehnologiji in razpravlja o njenih vplivih na kvantni ekosistem. Članek tega tedna, objavljen v Nature Communications, se osredotoča na razvoj učinkovitih kvantnih algoritmov za razširljive modele strojnega učenja.
Kvantno računalništvo in strojno učenje stojita v ospredju revolucionarnega tehnološkega napredka, vsak pa je pripravljen na novo opredelitev pokrajine računalništva oziroma umetne inteligence. Konvergenca teh dveh področij napoveduje novo dobo računalniških zmogljivosti, kjer se načela kvantne mehanike izkoriščajo za obravnavo nekaterih najbolj perečih izzivov pri usposabljanju obsežnih modelov strojnega učenja. Da bi to naredili, so raziskovalci iz Pritzkerjeve šole za molekularni inženiring pri University of Chicago, Simonsov inštitut za teorijo računalništva pri Kalifornijska univerza v Berkeleyju, Univerza Brandeis in Center za kompleksne kvantne sisteme Dahlem na Svobodni univerzi v Berlinu sta se osredotočila na razvoj učinkovitih algoritmov za uporabo pri razširljivosti strojnega učenja v kvantnem računalništvu. Ta raziskava, ki je bila objavljena v Nature Communications, osvetljuje obetavno pot v smeri premagovanja omejitev tradicionalnih računalniških pristopov, s čimer pripravlja temelje za transformativni učinek na obeh področjih.
Pogled na modele strojnega učenja
Tradicionalno je bilo usposabljanje takšnih ekspanzivnih modelov strojnega učenja dolgotrajno in zahtevalo veliko virov ter pogosto zahtevalo znatne finančne naložbe in znatne emisije ogljika. Ta nova študija pa predlaga novo rešitev z uporabo odporen na napake kvantno računalništvo za izboljšanje učinkovitosti algoritmov stohastičnega gradientnega spuščanja, temeljne tehnike strojnega učenja. Z izkoriščanjem načel kvantne mehanike ta pristop obljublja bistvene izboljšave v obnašanju skaliranja računalniških virov glede na velikost modelov in število ponovitev v njihovih procesih usposabljanja.
Osrednjega pomena za to študijo je hipoteza, da lahko kvantno računalništvo ponudi dokazljivo učinkovite rešitve za algoritme strojnega učenja, zlasti na področjih obsežnih aplikacij, ki so hkrati dovolj disipativne in redke, z minimalnimi stopnjami učenja. To temelji na prilagajanju kvantnih algoritmov, ki so bili prej uporabljeni za disipativne diferencialne enačbe, kar dokazuje njihovo uporabnost za stohastične gradientne procese spuščanja. Študija teoretizira te izboljšave in jih potrdi z obsežnimi numeričnimi poskusi, ki prikazujejo potencial za kvantno izboljšano učenje v zgodnji fazi v obsežnih modelih strojnega učenja po obrezovanju.
Večje posledice te študije
Posledice te raziskave so velike za področje kvantnega računalništva in njegove uporabe pri strojnem učenju. Predlaga spremembo paradigme v tem, kako bi lahko usposobili obsežne modele strojnega učenja, kar bi lahko zmanjšalo znatne računske in okoljske stroške sedanjih praks. Z navedbo, da bi lahko kvantne algoritme, odporne na napake, učinkovito vključili v procese usposabljanja najsodobnejših modelov strojnega učenja, to delo osvetljuje pot do bolj trajnostnih in učinkovitejših računalniških metodologij.
Ta študija dodatno bogati dialog med sferami klasičnega in kvantnega računalništva, kar kaže na simbiotično razmerje, kjer kvantno računalništvo deluje kot pospeševalnik klasičnega usposabljanja nevronskih mrež. Izziva obstoječe računalniške paradigme in postavlja temelje za prihodnje raziskave praktične uporabe kvantnih algoritmov pri reševanju kompleksnih problemov strojnega učenja. Ugotovitve poudarjajo potrebo po nadaljnji preiskavi kvantno-klasičnega vmesnika, zlasti pri optimizaciji redkosti in disipativnosti modelov, da bi v celoti izkoristili kvantne računalniške prednosti.
Kenna Hughes-Castleberry je glavna urednica pri Inside Quantum Technology in znanstveni komunikator pri JILA (partnerstvo med Univerzo Colorado Boulder in NIST). Njeni pisateljski utripi vključujejo globoko tehnologijo, kvantno računalništvo in umetno inteligenco. Njeno delo je bilo predstavljeno v revijah National Geographic, Scientific American, Discover Magazine, New Scientist, Ars Technica itd.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
- PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
- PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
- PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
- vir: https://www.insidequantumtechnology.com/news-archive/iqts-journal-clubdiving-into-efficient-quantum-algorithms-for-large-scale-machine-learning-models/
- :ima
- : je
- :kje
- 09
- 2024
- 500
- a
- aktov
- prilagajanje
- Naslov
- napredek
- Prednosti
- AI
- algoritmi
- Ameriška
- an
- in
- uporaba
- aplikacije
- uporabna
- pristop
- pristopi
- SE
- članek
- umetni
- Umetna inteligenca
- AS
- At
- BE
- utripov
- bilo
- vedenje
- Berlin
- med
- večji
- tako
- odmori
- by
- california
- CAN
- Zmogljivosti
- ogljika
- Emisije ogljikovega
- kategorije
- center
- izzivi
- klub
- Colorado
- kompleksna
- računanje
- računalniški
- računalništvo
- Konvergenca
- kamen
- stroški
- bi
- Trenutna
- globoko
- dokazuje
- razvoju
- Dialog
- odkriti
- potapljanje
- do
- domen
- navzdol
- vsak
- v zgodnji fazi
- ekosistem
- urednik
- Učinkovito
- učinkovito
- učinkovitosti
- učinkovite
- Emisije
- Inženiring
- okrepi
- okolja
- enačbe
- Era
- obstoječih
- ekspanziven
- Poskusi
- obsežen
- izrazit
- februar
- Polje
- Področja
- finančna
- Ugotovitve
- osredotočena
- Osredotoča
- za
- ospredju
- brezplačno
- iz
- v celoti
- nadalje
- Prihodnost
- geografsko
- jo
- glasniki
- visoka
- Kako
- Vendar
- HTTPS
- slika
- vpliv
- Vplivi
- posledice
- Izboljšave
- in
- vključujejo
- označuje
- v notranjosti
- Znotraj kvantne tehnologije
- Inštitut
- integrirana
- Intelligence
- vmesnik
- v
- zapleten
- preiskava
- naložbe
- IT
- ponovitve
- ITS
- Revija
- krajine
- obsežne
- učenje
- Vzvod
- finančni vzvod
- vzvod
- omejitve
- logo
- Poglej
- stroj
- strojno učenje
- revije
- upravljanje
- poročen
- max širine
- mehanika
- metodologije
- minimalna
- modeli
- molekularno
- več
- Najbolj
- nacionalni
- Narava
- nujnost
- omrežij
- Živčne
- nevronske mreže
- Novo
- nst
- roman
- Številka
- of
- ponudba
- pogosto
- on
- optimizacijo
- premagovanje
- Papir
- paradigma
- paradigme
- zlasti
- Partnerstvo
- pot
- pot
- platon
- Platonova podatkovna inteligenca
- PlatoData
- pripravljen
- objavljene
- potencial
- potencialno
- Praktično
- pritiskom
- prej
- Načela
- Težave
- Procesi
- globok
- Obljublja
- obetaven
- predlaga
- dokazljivo
- objavljeno
- Kvantna
- kvantni algoritmi
- kvantno računalništvo
- Kvantna mehanika
- kvantni sistemi
- kvantna tehnologija
- Cene
- področja
- nedavno
- redefinirati
- Razmerje
- relativna
- Zahteve
- Raziskave
- raziskovalci
- virov intenzivno
- viri
- oziroma
- Revolucionarni
- s
- Prilagodljivost
- razširljive
- skaliranje
- <span style="color: #f7f7f7;">Šola</span>
- Znanost
- znanstveno
- Znanstvenik
- Serija
- Kompleti
- nastavitev
- premik
- razstavni
- pomemben
- Velikosti
- Rešitev
- rešitve
- Reševanje
- nekaj
- Stage
- stati
- state-of-the-art
- študija
- precejšen
- taka
- Predlaga
- trajnostno
- Simbiotično
- sistemi
- tech
- tehnika
- tehnološki
- Tehnologija
- da
- O
- njihove
- Njih
- Teorija
- te
- ta
- skozi
- zamudno
- do
- proti
- tradicionalna
- usposobljeni
- usposabljanje
- transformativno
- Res
- dva
- podčrtaj
- univerza
- uporaba
- Tedenski
- z
- delo
- pisanje
- zefirnet