Obliczenia kwantowe powinny wzmocnić tę technikę uczenia maszynowego

IBM

Obliczenia kwantowe i sztuczna inteligencja są śmiesznie przereklamowane. Ale wydaje się, że kombinacja tych dwóch może rzeczywiście połączyć się, aby otworzyć nowe możliwości.

w artykuł badawczy Opublikowane dziś w czasopiśmie Nature naukowcy z IBM i MIT pokazują, w jaki sposób komputer kwantowy IBM może przyspieszyć określony typ zadania uczenia maszynowego zwanego dopasowaniem funkcji. Zespół twierdzi, że przyszłe komputery kwantowe powinny umożliwić uczeniu maszynowemu osiągnięcie nowych poziomów złożoności.

Jak po raz pierwszy wyobrażano sobie dekady temu, komputery kwantowe były postrzegane jako inny sposób obliczania informacji. W zasadzie, wykorzystując dziwną, probabilistyczną naturę fizyki w skali kwantowej lub atomowej, maszyny te powinny być w stanie wykonywać pewne rodzaje obliczeń z prędkościami znacznie przekraczającymi te, które są możliwe przy użyciu dowolnego konwencjonalnego komputera (zobacz Co to jest komputer kwantowy? ). W tej chwili jest ogromne podekscytowanie ich potencjałem, ponieważ w końcu są u progu osiągnięcia punktu, w którym będą praktyczni.

Jednocześnie, ponieważ nie mamy jeszcze dużych komputerów kwantowych, nie jest do końca jasne, w jaki sposób prześcigną one zwykłe superkomputery – lub innymi słowy, co faktycznie zrobią (patrz Komputery kwantowe są już dostępne. robimy z nimi? ).

Dopasowywanie funkcji to technika, która przekształca dane w matematyczną reprezentację, która nadaje się do analizy uczenia maszynowego. Wynikające z tego uczenie maszynowe zależy od wydajności i jakości tego procesu. Przy użyciu komputera kwantowego powinno być możliwe wykonanie tego w skali, która była dotychczas niemożliwa.

Naukowcy z MIT-IBM przeprowadzili swoje proste obliczenia przy użyciu dwukubitowego komputera kwantowego. Ponieważ maszyna jest tak mała, nie dowodzi to, że większe komputery kwantowe będą miały zasadniczą przewagę nad konwencjonalnymi, ale sugeruje, że tak by było. Największe dostępne obecnie komputery kwantowe mają około 50 kubitów, choć nie wszystkie. mogą być używane do obliczeń ze względu na konieczność korygowania błędów, które wkradają się w wyniku kruchej natury tych bitów kwantowych.

Wciąż daleko nam do osiągnięcia przewagi kwantowej w uczeniu maszynowym, naukowcy IBM, kierowani przez Jay Gambetta , napisz w poście na blogu. Jednak metody mapowania funkcji, które rozwijamy, mogą wkrótce być w stanie klasyfikować znacznie bardziej złożone zestawy danych niż wszystko, co mógłby obsłużyć klasyczny komputer. To, co pokazaliśmy, jest obiecującą ścieżką naprzód.

Jesteśmy na etapie, w którym nie mamy aplikacji w przyszłym miesiącu lub przyszłym roku, ale jesteśmy w bardzo dobrej pozycji, aby zbadać możliwości, mówi Xiaodi Wu , adiunkt we Wspólnym Centrum Informacji Kwantowej i Informatyki Uniwersytetu Maryland. Wu mówi, że spodziewa się, że praktyczne zastosowania zostaną odkryte w ciągu roku lub dwóch.

Obliczenia kwantowe i sztuczna inteligencja są teraz na topie. Zaledwie kilka tygodni temu Xanadu, start-up zajmujący się obliczeniami kwantowymi z Toronto, wymyślił prawie identyczne podejście do tego badaczy MIT-IBM, który firma opublikowała w Internecie. Maria Schuld, badaczka zajmująca się uczeniem maszynowym w Xanadu, mówi, że ostatnie prace mogą być początkiem lawiny artykułów naukowych, które łączą modne słowa kwant i sztuczna inteligencja.

Mówi, że jest ogromny potencjał.

ukryć