211service.com
En oppstart bruker kvanteberegning for å øke maskinlæring
Avslag
Et selskap i California har nettopp bevist at en eksotisk og potensielt spillskiftende type datamaskin kan brukes til å utføre en vanlig form for maskinlæring.
Bragden vekker håp om at kvantedatamaskiner, som utnytter kvantefysikkens logikktrossende prinsipper for å utføre visse typer beregninger i latterlige hastigheter, kan ha stor innvirkning på det hotteste området i teknologiindustrien: kunstig intelligens.
Forskere ved Databehandling avslag , et selskap basert i Berkeley, California, brukte en av prototypene sine kvantebrikker – en superledende enhet plassert i et forseggjort superkjølt oppsett – for å kjøre det som er kjent som en klyngealgoritme. Clustering er en maskinlæringsteknikk som brukes til å organisere data i lignende grupper. Rigetti gjør også den nye kvantedatamaskinen – som kan håndtere 19 kvantebiter, eller qubits – tilgjengelig gjennom sin cloud computing-plattform, kalt Forest, i dag.
Demonstrasjonen betyr imidlertid ikke at kvantedatamaskiner er klar til å revolusjonere AI. Kvantedatamaskiner er så eksotiske at ingen helt vet hva morderappene kan være. Rigettis algoritme, for eksempel, er ikke til noen praktisk nytte, og det er ikke helt klart hvor nyttig det ville være å utføre klyngeoppgaver på en kvantemaskin.
Likevel argumenterer Will Zeng, leder for programvare og applikasjoner i Rigetti, at arbeidet representerer et nøkkelsteg mot å bygge en kvantemaskin. Dette er en ny vei mot praktiske applikasjoner for kvantedatamaskiner, sier Zeng. Clustering er et virkelig grunnleggende og grunnleggende matematisk problem. Ingen har noen gang vist at du kan gjøre dette.
Det er for tiden en bemerkelsesverdig mengde spenning rundt arbeidet med å utvikle praktiske kvantedatamaskiner. Store teknologiselskaper, inkludert IBM, Google, Intel og Microsoft, samt noen få velfinansierte startups, kappløper for å bygge eksotiske maskiner som lover å innlede en fundamentalt ny form for databehandling.
Først drømt opp av fysikere nesten 40 år siden , kvantedatamaskiner håndterer ikke informasjon ved hjelp av binær en s og 0 s. I stedet utnytter de to kvantefenomener – superposisjon og sammenfiltring – for å utføre beregninger på store datamengder på en gang. Kvantefysikkens natur betyr at en datamaskin med bare 100 qubits bør være i stand til å beregne på en forbløffende skala.
Rigetti er noe av en underdog i løpet. IBM annonserte nylig at de har bygget en kvantedatamaskin med 50 qubits, og det ryktes mye om at Google har en enhet av lignende skala. Likevel har Rigetti nok av boostere. Selskapet har samlet inn rundt 70 millioner dollar fra investorer inkludert Andreessen Horowitz, et av Silicon Valleys mest fremtredende firmaer.
Å ha flere qubits er ikke nødvendigvis det samme som overlegenhet. Å opprettholde kvantetilstander og manipulere qubits på en pålitelig måte representerer formidable utfordringer.
Som noen andre bruker Rigetti en hybrid tilnærming, noe som betyr at kvantemaskinen fungerer sammen med en konvensjonell for å gjøre programmeringen mer enkel. Zeng sier at selskapets systemer også er mer modulære enn konkurrentene, noe som kan gi en betydelig fordel når det gjelder å skalere maskiner ytterligere.
Kvantedatabehandling har et enormt potensial, i teorien. Det er gode bevis for at kvantemaskiner kan brukes til å løse kryptografiske utfordringer og til å simulere nytt materiale. Og det er håp om at algoritmer som Rigettis til slutt vil transformere verden av maskinlæring og AI.
Kvantedatamaskiner har akkurat nå nådd en skala der de kan utføre arbeid som ville være svært vanskelig, om ikke umulig, å kjøre på selv den kraftigste konvensjonelle superdatamaskinen. Kappløpet om å demonstrere denne terskelen med en fungerende maskin, noen ganger referert til som kvanteoverlegenhet, har blitt symbolsk for den nåværende hypen. Fysikere er enige om at det vil ta flere år før kvantedatamaskiner, og algoritmene som kjører på dem, viser sin verdi.
Christopher Monroe , en eksperimentell fysiker ved University of Maryland og sjefforsker ved en annen oppstart av kvantedatabehandling, IonQ , sier det er for tidlig å antyde at kvantedatabehandling vil endre maskinlæring. Vi forstår egentlig ikke hvordan og hvorfor klassisk maskinlæring fungerer, så det ser ut til at å bruke det på kvante kan bare gjøre et allerede tilslørt felt ytterligere, sier han.
Monroe reiser imidlertid en interessant omvendt mulighet. Han antyder at maskinlæring kan spille en nøkkelrolle for å gjøre kvantedatamaskiner mer pålitelige. Den økende kompleksiteten til klassiske kontrollsystemer for store kvantedatamaskiner kan trenge en annen tilnærming, påpeker han. Så han spekulerer i at kanskje ikke-kvantemaskinlæring vil bli brukt til å håndtere den komplekse oppførselen inne i disse maskinene.
Scott Aaronson , som leder Quantum Information Center ved University of Texas, sier at han forventer at kvantedatabehandling vil øke hastigheten på noen maskinlæringstilnærminger i fremtiden, selv om mer arbeid vil være nødvendig for å vise hvor verdifullt det er.
Både Aaronson og Monroe er enige om at det å gjøre kvantedatamaskiner tilgjengelige via skyen, slik Rigetti, IBM og Google alle gjør, vil være avgjørende for å fremme feltet. Applikasjoner vil sannsynligvis dukke opp når ingeniører og programmerere begynner å eksperimentere med disse systemene.
Å gi tilgang til tidlige brukere kan også gi en verdifull inntektsstrøm for startups som Rigetti. IBM nylig annonsert en rekke partnere for sitt kvanteprosjekt, inkludert JPMorgan Chase, Daimler AG, Samsung, Hitachi og Oak Ridge National Laboratory. Disse selskapene ønsker å se hva kvantemaskiner kan gjøre i en rekke applikasjoner, inkludert finansiell modellering, kjemi og ruteoptimalisering.
Aaronson lurer på om den voksende hypen etter hvert kan holde tilbake reell fremgang, selv om det kan vise seg vanskelig å skille de to. På den annen side, sier han, er det en virkelig spennende tid.