Yeni araştırmada Google DeepMind, yapay zekasının gelişimini hızlandırmaya yardımcı olabileceğini gösterdi. kuantum bilgisayarlar – en çığır açıcı iki teknolojiyi birleştirme konusunda bir adım daha ileri gidiyoruz.
DeepMind, hataya dayanıklı kuantum bilgisayarlarda önemli bir sorunu çözmek için İngiltere merkezli Quantinuum ile birlikte çalıştı: T geçitlerinin sayısının azaltılması.
T kapıları bir uygulamanın uygulanmasında esastır. kuantum devresi Algoritmalar oluşturmak için kübitleri manipüle eden bir kapı ağı. Ancak T kapıları aynı zamanda ağın en pahalı ve en yoğun kaynak kullanan kapılarıdır.
Bu sorunu çözmek için ekip, DeepMind'ın bir uzantısı olan AlphaTensor-Quantum'u geliştirdi. Alfa Tensörgibi görevler için verimli algoritmalar keşfedebilen ilk yapay zeka sistemi matris çarpımı.
AlphaTensor-Quantum bir yapay zeka Derin takviyeli öğrenmeyi kullanarak T-sayımı ve tensör ayrıştırmasının optimizasyonu arasındaki ilişkiyi güçlendiren bir model.
Mevcut yaklaşımların aksine model, kuantum hesaplamayla ilgili alana özgü bilgileri içerebildiği gibi ek kubitler ve işlemler ekleyerek alternatif kapılar uygulayan “gadgetizasyon” tekniklerini de kullanabilir. Bu şekilde yapay zeka, T kapılarının sayısını önemli ölçüde azaltabilir.
Araştırmacılara göre AlphaTensor-Quantum, T-sayımı optimizasyonu açısından mevcut sistemlerden daha iyi performans gösteriyor ve birçok uygulamada “en iyi” insan tasarımı çözümler kadar verimli. Ekip ayrıca, süreci tam otomatik bir şekilde optimize ederek “yüzlerce saatlik” araştırma tasarrufu sağlayabileceğini söylüyor. kağıt.
DeepMind ve Quantinuum, kuantum kimyası ve ilgili alanlardaki uygulamaları öngörüyor ve gelecekteki olası araştırmaların, algoritmanın sinir ağı mimarisini iyileştirmeye odaklanabileceğini öne sürüyor.
Yorumlar için Quantinuum'a ulaştık ve bu parçayı buna göre güncelleyeceğiz.
Kaynak bağlantısı