211service.com
L'informatique quantique devrait booster cette technique d'apprentissage automatique
IBM
L'informatique quantique et l'intelligence artificielle sont toutes deux ridiculement médiatisées. Mais il semble qu'une combinaison des deux puisse effectivement se combiner pour ouvrir de nouvelles possibilités.
Dans un document de recherche publié aujourd'hui dans la revue Nature, des chercheurs d'IBM et du MIT montrent comment un ordinateur quantique IBM peut accélérer un type spécifique de tâche d'apprentissage automatique appelée correspondance de caractéristiques. L'équipe affirme que les futurs ordinateurs quantiques devraient permettre à l'apprentissage automatique d'atteindre de nouveaux niveaux de complexité.
Comme on l'imaginait pour la première fois il y a des décennies, les ordinateurs quantiques étaient considérés comme une manière différente de calculer l'information. En principe, en exploitant la nature étrange et probabiliste de la physique à l'échelle quantique ou atomique, ces machines devraient être capables d'effectuer certains types de calculs à des vitesses bien supérieures à celles possibles avec n'importe quel ordinateur conventionnel (voir Qu'est-ce qu'un ordinateur quantique ? ). Il y a énormément d'enthousiasme quant à leur potentiel en ce moment, car ils sont enfin sur le point d'atteindre un point où ils seront pratiques.
Dans le même temps, comme nous n'avons pas encore de grands ordinateurs quantiques, il n'est pas tout à fait clair comment ils surpasseront les superordinateurs ordinaires - ou, en d'autres termes, ce qu'ils feront réellement (voir Les ordinateurs quantiques sont enfin là. on fait avec eux ? ).
L'appariement des caractéristiques est une technique qui convertit les données en une représentation mathématique qui se prête à l'analyse de l'apprentissage automatique. L'apprentissage automatique qui en résulte dépend de l'efficacité et de la qualité de ce processus. À l'aide d'un ordinateur quantique, il devrait être possible de réaliser cela à une échelle jusqu'alors impossible.
Les chercheurs du MIT-IBM ont effectué leur calcul simple à l'aide d'un ordinateur quantique à deux qubits. Parce que la machine est si petite, cela ne prouve pas que les ordinateurs quantiques plus grands auront un avantage fondamental sur les ordinateurs conventionnels, mais cela suggère que ce serait le cas. Les plus grands ordinateurs quantiques disponibles aujourd'hui ont environ 50 qubits, mais pas tous. peut être utilisé pour le calcul en raison de la nécessité de corriger les erreurs qui se glissent en raison de la nature fragile de ces bits quantiques.
Nous sommes encore loin d'obtenir un avantage quantique pour l'apprentissage automatique, les chercheurs d'IBM, dirigés par Jay Gambetta , écrivez dans un article de blog. Pourtant, les méthodes de cartographie des caractéristiques que nous avançons pourraient bientôt être en mesure de classer des ensembles de données beaucoup plus complexes que tout ce qu'un ordinateur classique pourrait gérer. Ce que nous avons montré est une voie prometteuse.
Nous sommes à un stade où nous n'avons pas de candidatures le mois prochain ou l'année prochaine, mais nous sommes en très bonne position pour explorer les possibilités, dit Xiaodi Wu , professeur adjoint au Joint Center for Quantum Information and Computer Science de l'Université du Maryland. Wu dit qu'il s'attend à ce que des applications pratiques soient découvertes d'ici un an ou deux.
L'informatique quantique et l'IA sont en vogue en ce moment. Il y a quelques semaines à peine, Xanadu, une start-up d'informatique quantique basée à Toronto, a proposé un approche presque identique à celui des chercheurs du MIT-IBM, que la société a mis en ligne. Maria Schuld, chercheuse en apprentissage automatique à Xanadu, affirme que les travaux récents pourraient être le début d'une multitude d'articles de recherche qui combinent les mots à la mode quantique et IA.
Il y a un énorme potentiel, dit-elle.