Quantum algoritme kunne hjælpe AI til at tænke hurtigere

En af de måder, computere tænker på, er ved at analysere relationer inden for store datasæt. Et internationalt team har vist, at kvantecomputere kan foretage en sådan analyse hurtigere end klassiske computere til en bredere vifte af datatyper, end man tidligere havde forventet.

Teamets foreslåede kvante lineære systemalgoritme er offentliggjort i Fysisk gennemgangsbreve . I fremtiden, det kan hjælpe med at knække tal på problemer, der er så forskellige som varepriser, sociale netværk og kemiske strukturer.

"Den tidligere kvantealgoritme af denne art gjaldt for en meget specifik type problem. Vi har brug for en opgradering, hvis vi vil opnå en kvantehastighed for andre data, "siger Zhikuan Zhao, tilsvarende forfatter på værket.

Den første kvante lineære systemalgoritme blev foreslået i 2009 af en anden gruppe forskere. Denne algoritme satte gang i forskning i kvanteformer for maskinlæring, eller kunstig intelligens.

En lineær systemalgoritme fungerer på en stor matrix af data. For eksempel, en erhvervsdrivende kan prøve at forudsige den fremtidige pris på varer. Matrixen kan indsamle historiske data om prisbevægelser over tid og data om funktioner, der kan påvirke disse priser, såsom valutakurser. Algoritmen beregner, hvor stærkt hver funktion er korreleret med en anden ved at 'vende' matricen. Disse oplysninger kan derefter bruges til at ekstrapolere ind i fremtiden.

"Der er meget beregning involveret i at analysere matricen. Når det kommer ud over sige 10, 000 gange 10, 000 poster, det bliver svært for klassiske computere, "forklarer Zhao. Dette skyldes, at antallet af beregningstrin går hurtigt op med antallet af elementer i matricen:hver fordobling af matrixstørrelsen øger beregningens længde otte gange.

2009 -algoritmen kunne klare sig bedre med større matricer, men kun hvis deres data er sparsomme. I disse tilfælde, der er begrænsede forhold mellem elementerne, hvilket ofte ikke er tilfældet med virkelige data. Zhao, Prakash og Wossnig præsenterer en ny algoritme, der er hurtigere end både den klassiske og den tidligere kvanteversion, uden begrænsninger på den slags data, de knaser.

Som en grov guide, for en 10, 000 kvadratmatrix, den klassiske algoritme ville tage rækkefølgen af ​​en billion beregningstrin, den første kvantealgoritme nogle titusinder af trin og den nye kvantealgoritme bare hundredvis af trin. Algoritmen er afhængig af en teknik kendt som kvante singular værdi estimering.

Der har været et par principielle demonstrationer af den tidligere kvante lineære systemalgoritme på små kvantecomputere. Zhao og hans kolleger håber at arbejde sammen med en eksperimentel gruppe for at køre en principfast demonstration af deres algoritme, også. De ønsker også at foretage en fuldstændig analyse af den indsats, der kræves for at implementere algoritmen, kontrollere, hvilke omkostninger der kan være.

For at vise en reel kvantefordel i forhold til de klassiske algoritmer skal der større kvantecomputere til. Zhao vurderer, at "vi måske ser på tre til fem år i fremtiden, når vi rent faktisk kan bruge hardware, der er bygget af eksperimentelisterne, til at lave meningsfuld kvanteberegning med anvendelse i kunstig intelligens."