Google DeepMind در تحقیقات جدید نشان داده است که هوش مصنوعی آن می تواند به سرعت بخشیدن به توسعه کمک کند کامپیوترهای کوانتومی – برداشتن یک قدم جلوتر در ترکیب دو تا از مخرب ترین فناوری ها.
DeepMind با Quantinuum مستقر در بریتانیا برای حل یک چالش کلیدی در رایانه‌های کوانتومی مقاوم به خطا کار کرد: کاهش تعداد دروازه‌های T.
T گیت ها در اجرای الف ضروری هستند چقدر دور می زند – شبکه ای از دروازه ها که کیوبیت ها را برای تولید الگوریتم ها دستکاری می کند. با این حال، گیت های T نیز گران ترین و پرمصرف ترین گیت های شبکه هستند.
برای رسیدگی به این موضوع، تیم AlphaTensor-Quantum را توسعه داد که توسعه‌ای از DeepMind است AlphaTensorاولین سیستم هوش مصنوعی که می تواند الگوریتم های کارآمد را برای کارهایی مانند ضرب ماتریس.
AlphaTensor-Quantum یک هوش مصنوعی مدلی که از رابطه بین بهینه سازی شمارش T و تجزیه تانسور با استفاده از یادگیری تقویتی عمیق استفاده می کند.
برخلاف روش‌های موجود، این مدل می‌تواند دانش خاص دامنه را در مورد محاسبات کوانتومی و همچنین از تکنیک‌های “gadgetisation” استفاده کند که با معرفی کیوبیت‌ها و عملیات اضافی، دروازه‌های جایگزین را پیاده‌سازی می‌کند. به این ترتیب هوش مصنوعی می تواند تعداد گیت های T را به میزان قابل توجهی کاهش دهد.
به گفته محققان، AlphaTensor-Quantum از سیستم‌های موجود برای بهینه‌سازی شمارش T بهتر عمل می‌کند و به اندازه «بهترین» راه‌حل‌های طراحی‌شده توسط انسان در بسیاری از برنامه‌های کاربردی کارآمد است. این تیم همچنین می‌گوید که می‌تواند با بهینه‌سازی فرآیند به روشی کاملاً خودکار، «صدها ساعت» تحقیق را ذخیره کند. کاغذ.
DeepMind و Quantinuum کاربردهایی را در شیمی کوانتومی و زمینه‌های مرتبط در نظر می‌گیرند و پیشنهاد می‌کنند که تحقیقات احتمالی آینده می‌تواند بر بهبود معماری شبکه عصبی الگوریتم تمرکز کند.
ما برای نظرات با Quantinuum تماس گرفته‌ایم و بر این اساس این قطعه را به‌روزرسانی می‌کنیم.
منبع: https://thenextweb.com/news/google-deepmind-ai-to-accelerate-quantum-computers