Classical vélanám (ML) reiknirit hafa reynst öflug verkfæri fyrir margs konar verkefni, þar á meðal mynd- og talgreiningu, náttúrulega málvinnslu (NLP), og forspárlíkön. Hins vegar eru klassísk reiknirit takmörkuð af takmörkunum klassískrar tölvunar og geta átt erfitt með að vinna úr stórum og flókin gagnasett eða ná mikilli nákvæmni og nákvæmni.

Sláðu inn skammtavélanám (QML).

QML sameinar kraftinn í skammtafræði með forspárgetu ML til að sigrast á takmörkunum klassískra reiknirita og bjóða upp á frammistöðubætur. Í blaði þeirra "Um hlutverk flækju í skammtareikningshraða“, Richard Jozsa og Neil Linden, við háskólann í Bristol í Bretlandi, skrifa að “QML reiknirit gefi loforð um að veita veldishraða yfir klassíska hliðstæða þeirra fyrir ákveðin verkefni, svo sem flokkun gagna, val á eiginleikum og klasagreiningu. . Sérstaklega hefur notkun skammtareiknirita fyrir nám undir eftirliti og án eftirlits tilhneigingu til að gjörbylta vélanámi og gervigreind. "

QML á móti klassískum vélanámi

Zohrah Ljúffengur, yfirmaður gagnavísinda og gervigreindar hjá Credence, segir að QML sé frábrugðið hefðbundnu vélanámi á nokkra helstu vegu:

EVENT

Intelligent Security Summit On-Demand

Lærðu mikilvæga hlutverk gervigreindar og ML í netöryggi og sértækum tilviksrannsóknum í iðnaði. Horfðu á eftirspurnarlotur í dag.

Fylgist með hér

 

 

  1. Skammtasamsíða: Skammtasamsíða reiknirit geta nýtt sér einstaka eiginleika skammtakerfa sem kallast skammtasamsíða, sem gerir þeim kleift að framkvæma marga útreikninga samtímis. Þegar unnið er með mikið magn af gögnum, eins og myndum eða tali, getur dregið verulega úr þeim tíma sem þarf til að leysa vandamál.
  2. Skammtasamsetning: Skammtasamsetning gerir skammtafræðireikniriti kleift að tákna mörg ástand samtímis. Þetta getur gert henni kleift að kanna mögulegar lausnir á vandamáli, sem leiðir til nákvæmari og skilvirkari lausna.
  3. Skammtaflækja: Skammtareiknirit geta einnig notað eiginleika skammtaaflækju, sem gerir kleift að tengja skammtakerfi á þann hátt sem klassísk eðlisfræði getur ekki útskýrt. Þetta getur gert skammtareikniritum kleift að framkvæma ákveðin verkefni á skilvirkari hátt en klassísk reiknirit.

 

Hefðbundin vélanámsreiknirit, sem byggja á klassískri tölvutækni og skortir þessa skammtagetu, geta verið hægari eða minna nákvæm í vissum tilvikum.

QML ferðin: Frá rannsóknum til raunveruleikans

Rannsóknir á skammtavélanámi hófust á níunda áratugnum. Í lok 1980 og snemma 1990, vísindamenn þróuðu skammtafræði taugakerfi að sýna fram á möguleika skammtakerfa fyrir vélanám sem hægt er að þjálfa í að þekkja mynstur í gögnum. Þessum netum hefur síðan verið beitt við margs konar raunverulegum vandamálum.

Áratug síðar þróuðu vísindamenn skammtafræðireiknirit og hugbúnaðarverkfæri fyrir vélanámsverkefni. Þetta innihéldu skammtaútgáfur af vinsælum vélrænum reikniritum eins og stuðningsvektorvélum, ákvörðunartré og taugakerfi.

Þróun skammtatölva hefur einnig verið lykilatriði í vexti QML. Á árunum 2010 og 2020 þróuðu nokkur fyrirtæki og rannsóknarhópar skammtatölvur sem gætu framkvæmt vélanámsverkefni. Þetta innihélt bæði hliðar-undirstaða skammtatölvur og skammtafræði græðslutæki. Um 2020 byrjaði QML að vera almennt notað í forritum þar á meðal mynsturþekkingu, náttúruleg málvinnsla og hagræðingu.

Í dag er ein vænlegasta notkun QML uppgötvun lyfja. Hefðbundin lyfjauppgötvunarferli geta verið hæg, dýr og ósamræmi. QML hefur möguleika á að flýta fyrir ferlinu. „Eftir upphaflegan árangur okkar við að finna a COVID-19 lækningasameind, við vildum stækka rýmið til að mynda nú smærri sameindir,“ sagði Nikhil Malhotra, alþjóðlegur yfirmaður Makers Lab hjá Tech Mahindra. „Quantum GAN eða blending GAN kynslóð er eitthvað sem við erum að reyna fyrir litlar sameindir. Þetta tel ég að myndi efla uppgötvun eiturlyfja og jafnvel sköpun nýrra lyfja verulega.

Fjármálamarkaðir eru annað svið þar sem QML hefur sýnt loforð. A 2021 pappír frá JPMorgan's Future Lab for Applied Research and Engineering komst að þeirri niðurstöðu að QML geti framkvæmt verkefni eins og verðlagningu eigna, spá fyrir um sveiflur, spá fyrir um útkomu framandi valkosta, svikauppgötvun, hlutabréfaval, val á vogunarsjóðum, reiknirit viðskipti, markaðsmyndun, fjármálaspá, bókhald og endurskoðun og áhættumat mun hraðar og nákvæmara en klassísk reiknirit.

2023 loforð um skammtavélanám

„QML er spennandi og ört vaxandi svið sem hefur tilhneigingu til að hafa veruleg áhrif á fjölbreytt úrval atvinnugreina og forrita,“ sagði Ladha. Fyrir árið 2023 spáir hún því að skammtafræði reiknirit hafi möguleika á að framkvæma ákveðin vélnámsverkefni hraðar og nákvæmari, sérstaklega fyrir verkefni eins og mynd- og talgreiningu, sem krefjast vinnslu á miklu magni af gögnum. Hún bendir einnig á að QML geti tekið á hagræðingarvandamálum sem oft koma upp í vélanámsverkefnum og erfitt er að leysa með klassískum reikniritum. Ladha spáir því að geta skammtareiknirita til að leysa þessi vandamál á skilvirkari hátt gæti gagnast fjármálum og flutningum.

Netöryggi er annað svæði þar sem hún spáir því að QML muni hafa áhrif. „Með því að þróa flóknari reiknirit til að greina og koma í veg fyrir netárásir gæti skammtavélanám bætt öryggi kerfa,“ sagði hún.

Þegar hann kafaði aðeins dýpra í tæknina sjálfa sagði Malhotra að hann búist við að sjá mikinn meirihluta ML reiknirita, sérstaklega þau sem eru á gervi taugakerfi, verða reynd á skammtavélinni sem skammtavélanámsreiknirit. „Við höfum séð snemma útfærslur eins og QNLP, Q-GAN og jafnvel styrkt nám á skammtarásum. Ég geri ráð fyrir að þróunin muni vaxa árið 2023,“ sagði hann.

Áskoranir um nám í skammtafræði eru enn eftir

QML er mikið mál vegna loforðsins. Vísbendingar benda til þess að hægt sé að þjálfa vélanámslíkön fyrir meiri nákvæmni með færri gögnum en þau geta með núverandi klassískri tækni okkar. Hins vegar, skv Scott beyki tré, alþjóðlegt skammtafræðiforysta og CTO, stjórnvalda og opinberrar þjónustu, hjá Deloitte Consulting LLP, svarið við spurningunum, "Hversu mikið minna?" og "Hversu mikið hraðar?" breytist reglulega vegna eftirfarandi áskorana QML:

 

  • „Hvað varðar vélbúnað eru öflugustu skammtatölvurnar sem til eru í dag enn takmarkaðar - sérstaklega í samanburði við öflugustu netþjóna nútímans. Við gerum ráð fyrir að það breytist á næstu árum vegna þess að það er miklu meira pláss fyrir skammtatölvutækni til að þróast og vaxa.
  • „Hvað varðar hugbúnað og reiknirit virka skammtatölvur í grundvallaratriðum öðruvísi en tölvur í dag. Þess vegna eru vísindamenn að reyna að finna út bestu leiðirnar til að kortleggja vandamál á skammtatölvur (og raunar ákvarða hvaða vandamál gæti verið gagnlegt að leysa á skammtatölvum). Eftir því sem við komum að almennari kortlagningum verður auðveldara fyrir aðra að „koma með vandamál sín“ í skammtatölvur.

„Í mörg ár hefur QML verið - og heldur áfram að vera - svæði virkra rannsókna. Eftir því sem vélbúnaðar- og hugbúnaðarþroski batnar, er líklegt að við sjáum stofnanir byrja að meta notkun QML í framleiðsluvinnuálagi,“ sagði Buchholz áfram. „Þar sem við erum enn í nokkur ár frá því að hafa vél sem gæti keyrt framleiðslu QML vinnuálag, höldum við áfram að efla nýjustu tækni í QML þar sem vélbúnaðurinn heldur áfram að batna. En ég býst við auknum framförum í QML allt árið 2023 - það er að segja að halda áfram að bæta tæknina til að skala magn, hlaða gögnum og keyra líkön.

Þýða »