| 0 |
|
Дослідники з Університетського коледжу Лондона (UCL) розробили модель штучного інтелекту, яка завдяки квантовим обчисленням здатна прогнозувати поведінку складних фізичних систем значно точніше та стабільніше, ніж сучасні класичні аналоги.
Результати дослідження, опубліковані в журналі Science Advances, обіцяють справжню революцію в галузі динаміки рідин та газів. Це матиме прямий вплив на кліматологію, транспортну галузь, медицину та енергетику.
Основна проблема прогнозування складних систем, таких як турбулентність повітря або рух крові, полягає у виборі методу. Повна симуляція на суперкомп’ютері може тривати тижнями, що занадто довго для практичного використання. AI-моделі працюють швидко, але часто стають ненадійними під час довгострокових прогнозів.
«Наша квантово-інформована AI-модель дозволяє отримувати точні прогнози максимально швидко. Це фундаментальний виклик для науки, який має безліч застосувань: від точнішого прогнозування клімату до оптимізації роботи вітрових електростанцій», - пояснює старший автор дослідження, професор Пітер Ковені (Peter Coveney).
Секрет успіху полягає в здатності квантових пристроїв ефективніше обробляти величезні обсяги інформації. У новому методі дані спочатку подаються на квантовий комп’ютер, який виявляє ключові статистичні патерни (властивості, що залишаються незмінними з часом). Потім ці «квантові знання» інтегруються в процес навчання AI на звичайному суперкомп’ютері.
В результаті виявилося, що квантовий метод на 20% точніший за класичний.
Модель потребує в сотні разів менше пам'яті завдяки квантовим властивостям заплутаності та суперпозиції.
AI зберігає надійність прогнозів набагато довше, навіть у хаотичних системах.
Дослідники наголошують, що їм вдалося продемонструвати «квантову перевагу» у практичний спосіб. Замість того щоб постійно перекидати дані між системами (що зазвичай призводить до помилок через чутливість квантових кубітів), вони використали квантовий пристрій лише на одному етапі.
«Ми вперше показали, що квантові обчислення можна змістовно інтегрувати з класичним машинним навчанням для вирішення складних динамічних систем. Це неймовірний крок до реального використання квантових технологій», — зазначив співавтор роботи Сяо Сюе (Xiao Xue).
У дослідженні використовувався 20-кубітний квантовий комп’ютер IQM, підключений до обчислювальних ресурсів Суперкомп’ютерного центру Лейбніца в Німеччині. Для коректної роботи систему охолоджували до -273°C.
Наступним кроком вчених стане масштабування методу для роботи з іще більшими наборами даних та застосування його в реальних сценаріях підвищеної складності.
Стратегія охолодження ЦОД для епохи AI
| 0 |
|
