Квантовый скачок в искусственном интеллекте: IonQ стремится создать модели квантового машинного обучения на уровне общего человеческого интеллекта

Миниатюрная ловушка «колода карт» от IonQ Aria и вакуумная камера.

Классическое машинное обучение (МО) — это мощная разновидность искусственного интеллекта. Машинное обучение продвинулось от простого распознавания образов в 1960-х годах до современного использования огромных наборов данных для обучения и создания высокоточных прогнозов.

Между тем, в период с 2010 по 2020 год глобальное использование данных выросло с 1,2 триллиона гигабайт до почти 60 триллионов гигабайт. В какой-то момент квантовым системам будет легче справиться с продолжающимся экспоненциальным ростом данных по сравнению с классическими компьютерами, которым, возможно, будет трудно справиться с этой задачей. Теоретически, в какой-то момент в не столь отдаленном будущем только квантовые компьютеры смогут справиться с такими огромными масштабами и сложностью. Применяя то же самое понимание к сфере машинного обучения, имеет смысл только то, что в какой-то момент настоящий прорыв произойдет благодаря квантовому машинному обучению (QML), а не классическим подходам.

ИонКью

Дорожная карта IonQ для приложений и алгоритмических кубитов (AQ)

Хотя другие компании, занимающиеся квантовыми вычислениями, изучают QML, есть несколько причин, по которым я сосредоточил свое внимание на передовых исследованиях QML, проводимых в IonQ ($IONQ).

Один из них, генеральный директор IonQ Питер Чепмен, имеет богатый опыт в области машинного обучения, когда он работал с Рэем Курцвейлом в Kurzweil Technologies. Чепмен сыграл решающую роль в разработке новаторской системы распознавания символов, которая генерировала текстовые символы из отсканированных изображений. В конечном итоге компания Urzweil Technologies использовала этот подход для создания комплексной цифровой библиотеки для слепых и слабовидящих.

Во-вторых, Чепмен с оптимизмом смотрит на будущее QML. Он считает, что QML в конечном итоге станет таким же важным, как большие языковые модели, используемые OpenAI ChatGPT и другими генеративными системами искусственного интеллекта. По этой причине QML встроен в долгосрочную дорожную карту квантового продукта IonQ.

И в-третьих, IonQ сотрудничает с ведущими компаниями в области искусственного интеллекта и машинного обучения, такими как Amazon, Dell, Microsoft и NVIDIA. Эти партнерства объединяют опыт IonQ в области квантовых технологий со знаниями партнеров в области искусственного интеллекта.

Аппаратное обеспечение IonQ и #AQ

Основное внимание IonQ уделяется не только количеству кубитов, но и более всестороннему качеству кубитов и тому, как они работают как система. Это качество, также называемое точностью кубита, является решающим фактором для эффективного выполнения квантовых вычислений, которое IonQ измеряет с помощью прикладно-ориентированного теста, который он называет алгоритмическими кубитами или #AQ.

#AQ основан на работе, впервые начатой ​​Консорциумом квантового экономического развития, независимой отраслевой группой, которая оценивает полезность квантовых компьютеров в реальных условиях. Вот как вычисляется #AQ.

Квантовые процессоры IonQ

IonQ создала три квантовых компьютера с захваченными ионами: IonQ Harmony, IonQ Aria и его последнюю модель — программно-определяемый квантовый компьютер под названием IonQ Forte.

В сети есть две Арии. По словам Чепмена, вторая машина Aria была необходима для удовлетворения растущего спроса клиентов, а также для повышения резервирования, производительности и скорости обработки заказов компании.

Кроме того, IonQ прилагает все усилия, чтобы сделать IonQ Forte коммерчески доступным.

IonQ Aria и IonQ Harmony доступны в облаке через Google, Amazon Braket, Microsoft Azure и IonQ Quantum Cloud. По данным компании, о доступе к облаку для IonQ Forte будет объявлено позже. Давайте более подробно рассмотрим различные квантовые компьютеры, созданные IonQ:

Forte недавно продемонстрировал рекордные 29 AQ, что на семь месяцев опережаетПервоначальная цель IonQ по AQ на 2023 год.

Примечание. Следующей важной технической вехой IonQ является достижение 35 AQ. На уровне 35 AQ использование классического оборудования для моделирования квантовых алгоритмов может стать очень сложным и дорогостоящим. В этот момент в IonQ считают, что некоторым клиентам будет проще и дешевле запускать модели на реальных квантовых машинах, а не пытаться моделировать их классическим способом.