SI

Powstanie kwantowa SI

Fot. Mike MacKenzie
Badacze z włoskiego Uniwersytetu w Pawii dokonali przełomu w pracach nad wykorzystaniem komputerów kwantowych. Udało im się efektywniej niż dotąd użyć mechaniki kwantowej do obliczeń na sieciach neuronowych. Nowa metoda pozwoli szybciej rozwiązywać złożone zadania takie jak rozpoznawanie obrazów i podejmowanie decyzji. To też potencjalnie następny etap rozwoju sztucznej inteligencji.

Sieci neuronowe są zbudowane z węzłów, czyli uproszczonych modeli neuronów. Neurony są komórkami odpowiadającymi za to, w jaki sposób myślimy i podejmujemy decyzje. Dotychczas sieci neuronowe były uruchamiane na tradycyjnych maszynach pracujących w logice dwuwartościowej. Takie rozwiązanie odbiega jednak od sposobu działania biologicznych neuronów. Komputery kwantowe poza standardowymi wartościami prawdy i fałszu rozpoznają także wartości pośrednie. W ten sposób łatwiej jest obliczyć chociażby odpowiednią prędkość i przyśpieszenie autonomicznego samochodu. SI lepiej też poradzi sobie z rozpoznawaniem wzorów i klasyfikacją obrazów.

Po lewej – klasyczny model perceptronu, po prawej – stworzony przez naukowców z Włoch (graf. Uniwersytet w Pawii)

Komputery kwantowe umożliwiają wykonywanie niektórych operacji znacznie szybciej niż robią to klasyczne maszyny, zwłaszcza jeśli operujemy na dużych zbiorach danych. Oczywiście naukowcy od dawna wykorzystywali komputery kwantowe do modelowania sieci neuronowych. Robili to jednak dotąd w sposób mniej efektywny. Naukowcy z Włoch, zamiast traktować każdy kubit jako indywidualny neuron, wykorzystali jeden klasyczny m-wymiarowy wektor i wektory wagi zakodowane za pomocą N kubitów, według wzoru: m=2N. W efekcie za pomocą N kubitów można wykonywać np. sortowanie wejściowych elementów, których jest m.

Zadaniem algorytmów było rozpoznawanie dwukolorowych wzorów (graf. Uniwersytet w Pawii)

Naukowcy poprzednią i nową metodę przetestowali na komputerze kwantowym IBM wykorzystującym 5-kubitowy procesor Tenerife, a następnie porównali wyniki z tymi uzyskanymi na klasycznym komputerze. Zadaniem algorytmu było rozpoznanie czarno-białych wzorów. Jak wcześniej wspomniałem, klasycznemu komputerowi przetworzenie większej ilości danych zajęłoby bardzo dużo czasu. W przypadku komputera kwantowego wyniki otrzymujemy praktycznie natychmiast. Co ciekawe, wyniki nowego modelu perceptronu (perceptron – najprostsza sieć neuronowa) są zbliżone do tych uzyskanych na komputerze tradycyjnym.

Wyniki nowego modelu perceptronu > f – w porównaniu z klasycznym komputerem > d – i wcześniejszymi algorytmami > e (graf. Uniwersytet w Pawii)

Komputery kwantowe jeszcze do niedawna były fantastyką naukową. Jednak na naszych oczach powstają pierwsze działające zastosowania i algorytmy. Urządzenia tego typu ciągle mają wiele ograniczeń, jak choćby wymagana bardzo niska temperatura otoczenia, ale przyśpieszenie rozwoju tej technologii w ostatnich latach jest wyraźnie widoczne. | CHIP

Close

Choć staramy się je ograniczać, wykorzystujemy mechanizmy takie jak ciasteczka, które pozwalają naszym partnerom na śledzenie Twojego zachowania w sieci. Dowiedz się więcej.