Kunstige neuroner bliver kvante med fotoniske kredsløb

I de senere år er kunstig intelligens blevet allestedsnærværende med anvendelser som taletolkning, billedgenkendelse, medicinsk diagnose og mange flere. Samtidig har kvanteteknologien vist sig at være i stand til beregningskraft langt uden for rækkevidde af selv verdens største supercomputer. Fysikere ved universitetet i Wien har nu demonstreret en ny enhed, kaldet kvantememristor, som kan give os mulighed for at kombinere disse to verdener og låse op for hidtil usete muligheder. Eksperimentet, udført i samarbejde med National Research Council (CNR) og Politecnico di Milano i Italien, er blevet realiseret på en integreret kvanteprocessor, der opererer på enkelte fotoner. Værket er publiceret i det aktuelle nummer af tidsskriftet Nature Photonics .

I hjertet af alle kunstig intelligens-applikationer er matematiske modeller kaldet neurale netværk. Disse modeller er inspireret af den biologiske struktur af den menneskelige hjerne, lavet af indbyrdes forbundne noder. Ligesom vores hjerne lærer ved konstant at omarrangere forbindelserne mellem neuroner, kan neurale netværk trænes matematisk ved at tune deres indre struktur, indtil de bliver i stand til at udføre opgaver på menneskeligt niveau:genkende vores ansigt, fortolke medicinske billeder til diagnose, endda køre vores biler. At have integrerede enheder, der er i stand til at udføre de beregninger, der er involveret i neurale netværk hurtigt og effektivt, er således blevet et stort forskningsfokus, både akademisk og industriel.

En af de store spilskiftere på området var opdagelsen af ​​memristoren, der blev lavet i 2008. Denne enhed ændrer sin modstand afhængigt af en hukommelse fra fortidens strøm, deraf navnet memory-resistor eller memristor. Umiddelbart efter dets opdagelse indså forskerne, at (blandt mange andre applikationer) den ejendommelige adfærd af memristorer var overraskende lig den for neurale synapser. Memristoren er således blevet en grundlæggende byggesten i neuromorfe arkitekturer.

En gruppe eksperimentelle fysikere fra universitetet i Wien, National Research Council (CNR) og Politecnico di Milano, ledet af prof. Philip Walther og dr. Roberto Osellame, har nu vist, at det er muligt at konstruere en enhed, der har samme adfærd som en memristor, mens den virker på kvantetilstande og er i stand til at indkode og transmittere kvanteinformation. Med andre ord en kvante memristor. At realisere sådan en enhed er udfordrende, fordi dynamikken i en memristor har tendens til at modsige typisk kvanteadfærd.

Ved at bruge enkelte fotoner (dvs. enkelte kvantepartikler af lys) og udnytte deres unikke evne til at forplante sig samtidigt i en superposition af to eller flere stier, har fysikerne overvundet udfordringen. I deres eksperiment udbreder enkelte fotoner sig langs bølgeledere laserskrevet på et glassubstrat og ledes på en superposition af flere stier. En af disse stier bruges til at måle strømmen af ​​fotoner, der går gennem enheden, og denne mængde - gennem et komplekst elektronisk feedbackskema - modulerer transmissionen på den anden udgang og opnår dermed den ønskede memristive adfærd.

Udover at demonstrere kvante memristoren har forskerne leveret simuleringer, der viser, at optiske netværk med kvante memristoren kan bruges til at lære om både klassiske og kvante opgaver, hvilket antyder det faktum, at kvante memristoren kan være det manglende led mellem kunstig intelligens og kvanteberegning .

"At låse op for det fulde potentiale af kvanteressourcer inden for kunstig intelligens er en af ​​de største udfordringer ved den nuværende forskning i kvantefysik og datalogi," siger Michele Spagnolo, som er førsteforfatter til publikationen i tidsskriftet Nature Photonics i> . Gruppen af ​​Philip Walther fra universitetet i Wien har også for nylig demonstreret, at robotter kan lære hurtigere, når de bruger kvanteressourcer og låner ordninger fra kvanteberegning. Denne nye præstation repræsenterer endnu et skridt mod en fremtid, hvor kvantekunstig intelligens bliver til virkelighed. + Udforsk yderligere

Fremskynder kunstig intelligens