`

СПЕЦІАЛЬНІ
ПАРТНЕРИ
ПРОЕКТУ

Чи використовує ваша компанія ChatGPT в роботі?

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Леонід Бараш

Чи візьме ШІ гору над квантовими обчисленнями

+22
голоса

З квантовими комп’ютерами були зв’язані надії, що вони вплинуть на такі галузі, як фінанси, відкриття ліків та логістика. Особливо високимі ці очікування були у фізиці та хімії, де явища квантової механіки проявляються найбільш яскраво. У цих областях квантові комп’ютери можуть мати велику перевагу над звичайними.  Але наразі інший суперник досягає успіхів у деяких з цих найбільш перспективних випадках використування. Мова йде про ШІ.

У MIT Technology Review була опублікована стаття Едда Гента (Edd Gent) про конкуренцію між цими двома технологіями. Вона надана тут у стислому варіанті.
 
Як відмічає професор обчислювальної фізики Швейцарського федерального технологічного інституту (EPFL) Джузеппе Карлео (Giuseppe Carleo), масштаб і складність квантових систем, які можна моделювати за допомогою ШІ, швидко розвиваються. Підходи на основі нейронних мереж швидко стають провідною технікою для моделювання матеріалів із сильними квантовими властивостями.  

У той же час, перспективи квантових комп’ютерів полягають в тому, що вони можуть виконувати певні обчислення набагато швидше, ніж звичайні. Щоправда для реалізації цього знадобляться набагато більші квантові процесори, ніж є сьогодні — з десятками тисяч, якщо не мільонами кубітів.

Але для багатьох квантових алгоритмів із більш очевидними комерційними застосуваннями, як-от пошук у базах даних, вирішення проблем оптимізації перевага у швидкості скромніша. А минулого року стаття, співавтором якої є глава відділу квантових обчислень Microsoft Маттіас Троєр (Matthias Troyer), показала, що ці теоретичні переваги зникають, якщо врахувати той факт, що квантове обладнання працює на порядки повільніше, ніж сучасні комп’ютерні мікросхеми. Фахівці дійшли висновку, що квантові комп’ютери повинні натомість зосереджуватися на проблемах хімії та матеріалознавства, які потребують моделювання систем, де домінують квантові ефекти. Таким чином, комп’ютер, який працює за тими самими квантовими принципами, що й ці системи, теоретично повинен мати тут природну перевагу.
 
Багато речей, що керуються законами квантової механіки, як-от білки, ліки та матеріали, мають величезну практичну та комерційну цінність. Щоб передбачити характериститки, які демонструватиме молекула, необхідно моделювання у комп’ютері взаємодії її складових частинок, зокрема, електронів. Але для цього потрібна складна математика, яка стає експоненціально складнішою при збільшенні кількості частинок. Тому симуляція великих квантових систем може стати важкорозв’язною задачею на класичних машинах.

Саме тут квантові комп’ютери вступають у гру. Працюючи на квантових принципах, вони представляють квантові стани набагато ефективніше.

Квантові системи разноманітні. Їх складність визначається силою взаємодії складових частинок, або кореляції, одна з одною. У системах з сильною взаємодією включення цих зв’язків у модель швидко збільшує кількість обчислень. Але в більшості випадків, які становлять практичний інтерес для хіміків і матеріалознавців, кореляція слабка, що значно спрощує моделювання систем.

І все ж, квантові комп’ютери навряд чи забезпечать суттєві переваги для більшості проблем хімії та матеріалознавства. Вже існують класичні інструменти для моделювання слабко корельованих систем. Найвідоміший з них є теорія функціоналу густини (DFT). Згідно з нею, все, що потрібно для розуміння ключових властивостей системи, це її електронна густина, міра того, як її електрони розподіляються у просторі.

Тим не менш, моделювання великих систем за допомогою цих підходів вимагає значної обчислювальної потужності. Але в останні роки стався вибух досліджень, які використовують DFT для отримання даних про хімічні речовини, біомолекули та матеріали — даних, які можна використовувати для навчання нейронних мереж. Ці моделі ШІ вивчають закономірності в даних, які дозволяють їм передбачити, які властивості, ймовірно, матиме конкретна хімічна структура, але їх виконання на порядки дешевше, ніж звичайні розрахунки DFT. Це різко збільшило розмір систем, які можна моделювати — до 100 000 атомів за раз — і тривалість моделювання.

Що торкається моделювання слабко корельованої системи за допомогою DFT, то там проблеми експоненціального масштабування не існує. Це свідчить про те, що з більшою кількістю даних і обчислювальних ресурсів класичні підходи на основі ШІ можуть симулювати навіть найбільші з цих систем.

Коли справа доходить до симуляції сильно корельованих квантових систем — тих, у яких частинки суттєво взаємодіють, — такі методи, як DFT, швидко вичерпуються. Але навіть тут ШІ робить значні успіхи.

У 2017 році Карлео і Маттіас Троєр опублікували основоположну статтю в журналі Science, в якій показано, що нейронні мережі можуть моделювати сильно корельовані квантові системи. Цей підхід не вчиться на даних у класичному розумінні. Натомість, за словами Карлео, це схоже на модель DeepMind AlphaZero, яка опанувала ігри Го. У цьому випадку правила гри забезпечуються рівнянням Шредінгера, яке може точно описати квантовий стан системи або хвильову функцію. Модель грає проти себе, розташовуючи частинки в певній конфігурації, а потім вимірюючи рівень енергії системи. Мета полягає в досягненні найнижчої енергетичної конфігурації (відомої як основний стан), яка визначає властивості системи. Карлео каже, що методи, засновані на нейронних мережах, зараз є найкращим підходом для моделювання багатьох найскладніших квантових систем, які вони тестували. «Машинне навчання справді відіграє провідну роль у багатьох із цих проблем», — каже він.
Чи візьме ШІ гору над квантовими обчисленнями
ШІ може "відібрати хліб" у квантових комп'ютерів

Комп’ютерний розум: генеративний штучний інтелект у рішеннях AWS

+22
голоса

Напечатать Отправить другу

Читайте также

 

Ukraine

 

  •  Home  •  Ринок  •  IТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Мережі  •  Безпека  •  Наука  •  IoT