Kvantedatabehandling: En viktig alliert for å nå forretningsmål

Levert av Svare

I næringslivet er mulighetene for å anvende kvanteteknologi knyttet til optimalisering: løse vanskelige forretningsproblemer, rekonfigurere komplekse prosesser og forstå sammenhenger mellom tilsynelatende forskjellige datasett. Hovedformålet med kvanteberegning er å utføre beregningsmessig kostbare operasjoner på svært kort tid, samtidig som virksomhetens ytelse akselereres.

Kvantedatabehandling kan optimere forretningsprosesser for et hvilket som helst antall løsninger, for eksempel maksimering av kostnad/nytte-forhold eller optimalisering av finansielle eiendeler, drift og logistikk, og arbeidsstyrkestyring – vanligvis gir umiddelbare økonomiske gevinster. Mange bedrifter bruker allerede (eller planlegger å bruke) klassiske optimaliseringsalgoritmer. Og med fire internasjonale casestudier har Reply bevist at en kvantetilnærming kan gi bedre resultater enn eksisterende optimaliseringsteknikker.

Hastighet og beregningskraft er nøkkelkomponenter når du arbeider med data. Bruken av akselerert maskinvare som kvantebehandlingsenheter eller grafiske prosesseringsenheter gir ytelsen som trengs for operasjoner som krever høy datakraft. Sektorer som logistikk, finans og produksjon kan dra betydelig nytte av denne tilnærmingen. Og qubit, som er et nøkkelelement i kvanteberegning, lar organisasjoner tilnærme seg utfordringene sine på en helt ny måte. Etter hvert som teknologien modnes, ser det ut til at utsiktene til at kvantedatabehandling er til full disposisjon for virksomheter – såkalt kvanteoverlegenhet – nærmer seg.

De siste årene har Reply vært involvert i å utvikle proof of concepts og prosjekter som anvender kvantealgoritmer på reelle use cases i mange forretningsområder, og gir kundene konkrete og effektive svar på deres problemer.

I 2018 mottok Reply et forskningsstipend for å bruke Universities Space Research Associations D-Wave quantum annealer, som er en del av Quantum Artificial Intelligence Research Program som inkluderer deltakere som NASA og Google. Og nylig, Svar publiserte en studie i Springer Quantum Machine Intelligence fagfellevurdert journal om hvordan en kvantegløder kan løse komplekse optimaliseringsproblemer nøyaktig.

Det er en rekke måter kvantedatabehandling kan distribueres i virkelige omgivelser, inkludert i finans, logistikk og transportoperasjoner.

Quantum for finansoptimalisering

Quantum computing brukes for optimalisering i finansområdet. Takket være en kvantealgoritme utviklet med Reply, var en kredittinstitusjon i stand til å optimalisere daglige sikkerhetskostnader knyttet til over-the-counter (OTC) derivathandel, ved å ta hensyn til ikke-lineariteter i modellen og implementere et dedikert simuleringsbasert optimaliseringsverktøy å planlegge for flere scenarier.

Kvanteberegning kan også brukes til porteføljeoptimalisering: Svar var i stand til å hjelpe institusjonen med å begrense eksponeringen ved å definere et sett med eiendeler med minimal korrelasjon mellom dem. Å analysere data knyttet til korrelasjonene mellom eiendelene skapte en ikke-lineær modell, mens kvantealgoritmen gjorde det mulig å finne den optimale porteføljeallokeringen.

Quantum for logistikk: levering og arbeidsstyrkeoptimalisering

Et annet nøkkelområde som Replys eksperter har fokusert på, er fraktlevering og arbeidsstyrkeadministrasjon. Å identifisere den optimale ruten for vareleveranser eller arbeidsstyrkeoperasjoner er en kompleks prosess, på grunn av det høye antallet variabler som spiller inn.

Reply tolket begge disse optimaliseringsproblemene i form av en kvantealgoritme, og oppnådde langt bedre resultater enn de som vanligvis oppnås ved bruk av tradisjonelle teknikker. Kvanteløsninger gjør at modeller kontinuerlig kan foredles – noe som øker realismen og kvaliteten på løsningene eller legger til nye begrensninger som smalere leveringsvinduer – uten å ha en betydelig effekt på beregningstidene og samtidig optimalisere forhold rundt ruteavstand og produktivitet.

Quantum for optimalisering av togplattformer

Reply har vært involvert i testing av kvanteteknologier innen jernbanetransport. For en jernbanestasjon som håndterer ankomsten av 300 tog på 20 linjer innenfor en tidsramme på én time, løser en løsning som identifiserer det beste ankomstsporet, optimaliserer passasjerforbindelser og administrerer operasjoner som vedlikehold og bevegelse av togene mange logistiske utfordringer. I dette spesifikke tilfellet betyr optimalisering å kunne ta imot flere tog, garantere flere reiser, og dermed øke inntektene. Prosjektet, presentert på Verdenskongressen for jernbaneforskning holdt i Tokyo i november 2019, gjorde det mulig å oppnå den beste og mest effektive kombinasjonen og maksimere den samtidige ankomsten av forskjellige tog.

Quantum for telekom: nettverksplanlegging

Telekommunikasjonssektoren har også vellykket lansert kvanteberegningsforsøk . På dette feltet jobbet Reply med en teleoperatør for å optimalisere radiocelleplanlegging, og implementerte en algoritme for planlegging av 4,5G- og 5G-nettverksparametere med 10 ganger raskere prosessoptimalisering sammenlignet med tradisjonelle metoder. Dette gjorde det også mulig å finjustere radiocelleplanlegging, og ga en høyere ytelse og mer pålitelig mobiltjeneste og forbedret kundeopplevelse.

Kvantedatabehandling: hva er det neste?

Utvalget av problemer som kan løses gjennom kvanteformalisme er bredt: det stopper ikke ved kombinatorisk optimalisering, men krysser i stedet inn i andre områder som maskinlæring og kvantesikkerhet. Kvantenevrale nettverk og kvanteinternettnettverk er bare to av de mer interessante.

Ytelsen til kvantedatamaskiner veier langt opp for dagens muligheter, og åpner oss for en ny tidsalder av kunnskap. Dette er utvilsomt en positiv utvikling. Imidlertid er cybersikkerhet fortsatt et hovedanliggende, og det er grunnen til at kvantecybersikkerhet har blitt et svært relevant tema, og en rekke sofistikerte tiltak for å beskytte kommersielle transaksjoner og dataoverføring har dukket opp. Disse inkluderer distribusjon av kvantenøkler, kvantesikkerhetsalgoritmer og kvantetilfeldige tallgeneratorer.

Kvantemaskinlæring (QML), derimot, utnytter fordelene ved to aktuelle temaer: kvanteberegning og maskinlæring. Selv om QML fortsatt er i de tidlige stadiene, tilbyr den likevel en helt ny verden av muligheter, og kombinerer den nye kunnskapen fra maskinlæring med det akselererte beregningspotensialet og den forbedrede nøyaktigheten til kvanteberegninger.

Følg med Svare for videre fremskritt.

gjemme seg