Il calcolo quantistico dovrebbe potenziare questa tecnica di apprendimento automatico

IBM

Il calcolo quantistico e l'intelligenza artificiale sono entrambi ridicolmente pubblicizzati. Ma sembra che una combinazione dei due possa davvero combinarsi per aprire nuove possibilità.

In un documento di ricerca pubblicato oggi sulla rivista Nature, i ricercatori di IBM e MIT mostrano come un computer quantistico IBM può accelerare un tipo specifico di attività di apprendimento automatico chiamata corrispondenza delle funzionalità. Il team afferma che i futuri computer quantistici dovrebbero consentire all'apprendimento automatico di raggiungere nuovi livelli di complessità.

Come immaginato per la prima volta decenni fa, i computer quantistici erano visti come un modo diverso di calcolare le informazioni. In linea di principio, sfruttando la strana natura probabilistica della fisica su scala quantistica o atomica, queste macchine dovrebbero essere in grado di eseguire determinati tipi di calcoli a velocità di gran lunga superiori a quelle possibili con qualsiasi computer convenzionale (vedi Cos'è un computer quantistico? ). C'è un'enorme quantità di entusiasmo per il loro potenziale in questo momento, poiché stanno finalmente per raggiungere un punto in cui saranno pratici.

Allo stesso tempo, poiché non disponiamo ancora di computer quantistici di grandi dimensioni, non è del tutto chiaro in che modo supereranno le prestazioni dei normali supercomputer o, in altre parole, cosa faranno effettivamente (vedi I computer quantistici sono finalmente qui. Cosa accadrà facciamo con loro? ).

La corrispondenza delle caratteristiche è una tecnica che converte i dati in una rappresentazione matematica che si presta all'analisi di apprendimento automatico. L'apprendimento automatico risultante dipende dall'efficienza e dalla qualità di questo processo. Usando un computer quantistico, dovrebbe essere possibile farlo su una scala che era finora impossibile.

I ricercatori del MIT-IBM hanno eseguito i loro semplici calcoli utilizzando un computer quantistico a due qubit. Poiché la macchina è così piccola, non dimostra che i computer quantistici più grandi avranno un vantaggio fondamentale rispetto a quelli convenzionali, ma suggerisce che sarebbe così. I più grandi computer quantistici oggi disponibili hanno circa 50 qubit, anche se non tutti può essere utilizzato per il calcolo a causa della necessità di correggere gli errori che si insinuano a causa della natura fragile di questi bit quantistici.

Siamo ancora lontani dal raggiungere il vantaggio quantistico per l'apprendimento automatico, i ricercatori IBM, guidati da Jay Gambetta , scrivi in ​​un post sul blog. Tuttavia, i metodi di mappatura delle caratteristiche che stiamo portando avanti potrebbero presto essere in grado di classificare set di dati molto più complessi di qualsiasi cosa un computer classico possa gestire. Quello che abbiamo mostrato è un promettente percorso da seguire.

Siamo in una fase in cui non avremo applicazioni il mese prossimo o il prossimo anno, ma siamo in un'ottima posizione per esplorare le possibilità, afferma Xiaodi Wu , assistente professore presso il Joint Center for Quantum Information and Computer Science dell'Università del Maryland. Wu dice che si aspetta che le applicazioni pratiche vengano scoperte entro un anno o due.

L'informatica quantistica e l'intelligenza artificiale sono calde in questo momento. Solo poche settimane fa, Xanadu, una startup di informatica quantistica con sede a Toronto, ha ideato un approccio quasi identico a quello dei ricercatori MIT-IBM, che l'azienda ha pubblicato online. Maria Schuld, ricercatrice di apprendimento automatico presso Xanadu, afferma che il recente lavoro potrebbe essere l'inizio di una serie di articoli di ricerca che combinano le parole d'ordine quantistica e intelligenza artificiale.

C'è un enorme potenziale, dice.

nascondere