By Kenna Hughes-Castleberry postat 23 september 2022
När det kommer till innovativ ny teknik är både artificiell intelligens och kvantberäkning högst upp på listan. Artificiell intelligens (AI) eller maskininlärning används redan i stor utsträckning av företag för att hjälpa till att öka effektiviteten eller upptäcka problem. Artificiell intelligens använder data och algoritmer för att identifiera mönster i data och lära sig på ett sätt som liknar människor. Quantum computing, på samma sätt, selar algoritmer att lösa svåra problem mycket snabbare än en klassisk dator. För många företag kan möjligheten att kombinera dessa två tekniker leda till några kraftfulla fördelar, speciellt för kvantberäkning.
Hur fungerar artificiell intelligens med kvantberäkningar?
Tim Teter, Executive Vice President, General Counsel och Sekreterare för NVIDIA, talar om kvantmaskininlärning (QML) (PC NVIDIA.com)
Företag som NVIDIA, leder teknikmarknaderna för både artificiell intelligens och kvantberäkning. För närvarande letar de efter att kombinera dessa två till en ny teknik, det som kallas "kvantmaskininlärning" (QML). Inom kvantmaskininlärning kompletterar kvantinformationsprocesser maskininlärning analys för att ge resultat på nästa nivå. Enligt Tim Teter, vice ordförande, chefsjurist och sekreterare för NVIDIA: "Det förväntas att det kommer att finnas fall av matematiskt rigorösa kvantfördelar inom [kvantmaskininlärning]. Ett exempel på detta är i kvantgenerativa modeller, eftersom saker som kvantkorrelationer är svåra att representera klassiskt, kan kvantdatorer ha mer uttryckskraft när de använder generativa modeller. Dessa används i applikationer som naturlig språkbehandling."
En nyligen Google AI bloggen illustrerade fördelarna med kvantmaskininlärning, speciellt för kvantsensorer. Som kvantsensorer är inflytelserika vid högprecisionsmätningar, som för gravitations vågor, att ha en metod för att förbättra stabiliteten och skalbarheten hos dessa enheter skulle vara en spelförändring. Enligt bloggen, kvantmaskininlärning: "gränsar gränsen mellan kvantdatorer och kvantsensorer... Istället för att mäta kvanttillståndet kan en kvantdator lagra kvantdata och implementera en QML-algoritm för att bearbeta data utan att kollapsa den." Eftersom kvantdatorer är särskilt ömtåliga, kan användning av kvantmaskininlärning inte bara minska miljöbrus utan göra skalbarheten mer möjlig.
Hur artificiell intelligens kan hjälpa till med kvantskalbarhet
Det finns många utmaningar med att skala upp kvantdatorer. En av de största är att kontrollera det större antalet kvantbitar inom ett större kvantsystem. Tack och lov kan maskininlärning hjälpa till att övervinna denna utmaning. "Maskininlärning kan verkligen hjälpa till att ta itu med ett stort område i framtiden, vilket är att när kvantsystem börjar skalas upp till fler qubits, kommer svårigheten att vara med att kalibrera och kontrollera kvantsystem", förklarade Teter. "Att distribuera kvantdatorer innebär justering och kalibrering av ett stort antal parametrar per qubit. Idag spenderar kvantforskare en hel del tid på att göra det manuellt, men i framtiden, när systemen skalas upp till utbyggnadsscenarier, kommer detta naturligtvis inte att vara genomförbart. Så det är en av de saker där vi tror att NVIDIA-plattformen är en utmärkt passform för att paras ihop med kvantberäkningar i en hybridmetod.” NVIDIAs hybridplattform QODA (Quantum Optimized Device Architecture) kombinerar klassisk och kvantberäkning med tillgänglighet för att lägga till maskininlärningsprogram.
Skapa en transformativ framtid
Även om NVIDIAs QODA-plattform bara är en av många som kombinerar kvantberäkning och artificiell intelligens, är den en del av en större trend som utnyttjar båda dessa innovativa teknologier för att uppnå nya genombrott. "AI är en transformativ teknik som i allt högre grad används av alla typer av olika sektorer för att lösa svårare problem än som skulle kunna lösas utan AI," tillade Teter. "Medan kvantdatorn är lite tidigare i sin livstid erbjuder den ett löfte om att vara lika störande för ett brett spektrum av industrier i framtiden."
Kenna Hughes-Castleberry är personalskribent på Inside Quantum Technology och Science Communicator vid JILA (ett partnerskap mellan University of Colorado Boulder och NIST). Hennes skrivbeats inkluderar djupteknologi, metaversen och kvantteknologi.
