به گزارش نیو ساینتیست، کامپیوترهای کوانتومی ممکن است در نهایت به پردازش برخی از مجموعهدادههای عظیم مورد استفاده برای آموزش هوش مصنوعی کمک کنند.
چالشهای پیش رو
بر اساس مطالعهای که توسط کلتک، گوگل کوانتوم ایآی، استارتاپ محاسبات کوانتومی اوراتومیک و امآیتی انجام شده است، محققان میگویند یکی از چالشها، وارد کردن مجموعهدادههای بزرگ – که اغلب بر حسب ترابایت یا پتابایت اندازهگیری میشوند – به یک کامپیوتر کوانتومی است. برای استفاده از اثرات کوانتومی، دادهها باید به حالت کوانتومی تبدیل شوند و آمادهسازی این حالتها به طور سنتی به حافظه کوانتومی قابل توجهی نیاز داشته است.
حسین یوان هوانگ، مدیر ارشد فناوری در اوراتومیک، در بیانیهای گفت: «یادگیری ماشینی واقعاً در همه جا در علم و فناوری و همچنین زندگی روزمره مورد استفاده قرار میگیرد. در دنیایی که میتوانیم این معماری [محاسبات کوانتومی] را بسازیم، احساس میکنم هر زمان که مجموعهدادههای عظیمی در دسترس باشد، میتوان از آن استفاده کرد.»
روش جدید
این مطالعه پیشنهاد میکند که به جای نیاز به بارگذاری کل مجموعه داده در حافظه کوانتومی، روش جدید حالتهای کوانتومی لازم را در طول پردازش آماده میکند و بار حافظه را کاهش میدهد. محققان میگویند این امر میتواند به استفاده از اثرات کوانتومی مانند برهمنهی بدون نیاز به سیستمهای ذخیرهسازی بسیار بزرگ کمک کند.
محققان میگویند این رویکرد همچنین میتواند به کامپیوترهای کوانتومی اجازه دهد تا مجموعهدادههای بزرگ را با استفاده از حافظه کمتر از سیستمهای کلاسیک پردازش کنند، که نشان میدهد ماشینی با حدود 300 کیوبیت منطقی – بیتهای کوانتومی اصلاحشده برای خطا که میتوانند محاسبات را به طور قابل اعتماد انجام دهند – میتواند در برخی از وظایف از کامپیوترهای کلاسیک بهتر عمل کند.
چشمانداز آینده
چنین سیستمی هنوز وجود ندارد. با این حال، محققان تخمین میزنند که یک کامپیوتر کوانتومی با حدود 60 کیوبیت منطقی میتواند در برخی از وظایف پردازش داده مورد استفاده در هوش مصنوعی از سیستمهای کلاسیک بهتر عمل کند، که نشان میدهد پیشرفتها در محاسبات کوانتومی چگونه میتواند حوزههایی مانند رمزنگاری و بلاکچین را تهدید کند.
دُلو بلووشتاین، همبنیانگذار و مدیر عامل اوراتومیک، پیشتر به دکریپت گفته بود: «مردم عادت دارند که کامپیوترهای کوانتومی همیشه 10 سال دیگر در دسترس باشند. اما وقتی به جایی که کمی بیش از ده سال پیش بودیم نگاه میکنید، بهترین تخمینها از آنچه برای الگوریتم شور لازم بود، یک میلیارد کیوبیت بود، در حالی که بهترین سیستمهایی که در آزمایشگاه داشتیم حدود پنج کیوبیت بود.»
با این حال، محققان میگویند ارتباط بین هوش مصنوعی و محاسبات کوانتومی در حال نزدیکتر شدن است، زیرا ابزارهای هوش مصنوعی به دانشمندان کمک میکنند تا سیستمهای کوانتومی پیچیده را تجزیه و تحلیل و مدلسازی کنند که در غیر این صورت شبیهسازی آنها دشوار خواهد بود و این امر کار بر روی سختافزار و برنامههای کاربردی کوانتومی را تسریع میکند.
آدریان پرز-سالیناس، استاد فیزیک محاسباتی در مؤسسه فناوری فدرال زوریخ در سوئیس، در بیانیهای گفت: «ماشین کوانتومی یک دستگاه بسیار قدرتمند است، اما ابتدا باید به آن خوراک داد. این مطالعه در مورد تغذیه و اینکه چگونه بارگذاری [دادهها] بیت به بیت کافی است، بدون اینکه به این هیولا بیش از حد خوراک داده شود، صحبت میکند.»









