`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

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

 

IBM упрощает расширение машинного обучения на квантовые вычисления

0 
 

IBM упрощает расширение машинного обучения на квантовые вычисления

IBM добавила новый модуль, Qiskit Machine Learning, в её инструментарий с открытым кодом для разработки квантового ПО. Qiskit уже доступен и позволяет использовать возможности квантовых компьютеров для ускорения тренировки и улучшения точности моделей машинного обучения.

Поскольку квантовые вычисления делают лишь только первые шаги, большая часть работ над квантовым машинным обучением носит теоретический характер; однако всё больше исследователей проявляют интерес к углублённому изучению возможностей, которые эта технология может однажды открыть.

«Использование классических и квантовых моделей машинного обучения может привести исследователей к лучшему пониманию квантовых химии и физики, открыть множество новых приложений и научных направлений», — говорится в заявлении команды Qiskit.

Но даже для самого опытного разработчика в области машинного обучения прыжок в мир квантов может потребовать слишком больших усилий. Именно поэтому создан Qiskit: подробная документация по использованию всех его функций позволяет быстро научиться создавать прототипы моделей даже без глубокого знания квантовых вычислений.

Так, например, входящий в состав Qiskit Machine Learning инструмент QuantumKernel вычисляет матрицы ядра для заданного набора данных в квантовой среде. Это первый шаг на пути к отображению данных в пространство классификационных признаков с экспоненциально более высокой размерностью, способное улучшить точность обучения моделей ИИ.

Новый модуль также содержит многочисленные реализации квантовых нейронных сетей, а также обучаемых алгоритмов для их тренировки и эксплуатации, чтобы разработчики могли создавать и тестировать свои собственные нейросети.

Сознанные квантовые нейросети Qiskit Machine Learning позволяет интегрировать непосредственно в разработанную Facebook открытую библиотеку машинного обучения PyTorch, активно используемую в приложениях машинного зрения и обработки естественных языков. Гибкая конструкция модуля также позволяет в будущем создавать коннекторы с другими пакетами.

Фактически, как пояснила команда разработчиков Qiskit, предполагается, что квантовое машинное обучение будет работать в тандеме с классическим, беря на себя самые сложные вычислительные задачи. Созданную в Qiskit модель разработчики смогут протестировать на классических компьютерах, а также на облачных квантовых системах IBM.

Первый выпуск Qiskit Machine Learning имеет ограниченный, стартовый ассортимент моделей, но, поскольку платформа представляет собой библиотеку с открытым исходным кодом, команда Qiskit надеется на участие сообщества разработчиков в расширении объёма исследований.

Вы можете подписаться на нашу страницу в LinkedIn!

0 
 

Напечатать Отправить другу

Читайте также

 
 

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT