เข้าร่วมชุมชนควอนตัม

เข้าร่วมชุมชนควอนตัม RPA วันนี้ที่TechCrunch Disruptในซานฟรานซิสโก ฉันได้แสดงการสาธิตการเรียนรู้ด้วยเครื่องอย่างง่าย ซึ่งฉันใช้งานจริงบนคอมพิวเตอร์ควอนตัมในนิวยอร์กผ่านระบบคลาวด์ แน่นอนว่าปัญหานั้นสามารถแก้ไขได้ง่ายๆ โดยใช้อัลกอริธึมแบบคลาสสิกบนแล็ปท็อปของคุณ แต่นั่นจะไม่น่าตื่นเต้นไปหน่อยเหรอ? ระบบจัดการภายใน ฉันยังคงทึ่งกับความก้าวหน้าที่เกิดขึ้นในเวลาอันสั้น เมื่อสองสามปีก่อน ความคิดถึงเรื่องนี้คงเป็นเพียงความฝัน วันนี้ยังคงเป็นวันแรกสำหรับการคำนวณควอนตัม แต่ระบบกำลังดีขึ้นเรื่อยๆ และอีกไม่นาน เราจะอยู่ในดินแดนที่ไม่คุ้นเคย ซึ่งเราไม่สามารถจำลองสิ่งที่ระบบกำลังทำอยู่ได้อีกต่อไป จากที่นั่น เหลือเวลาอีกไม่นานจนกว่าเราจะเริ่มแก้ปัญหาบางประเภทได้ดีกว่าที่เราสามารถทำได้โดยใช้ระบบคลาสสิกในปัจจุบันการก้าวไปสู่อนาคตที่คอมพิวเตอร์ควอนตัมสร้างโลกใหม่จะต้องอาศัยพรสวรรค์และการมีส่วนร่วมของคนเก่งๆ มากมาย หากคุณรู้สึกตื่นเต้นเกี่ยวกับสิ่งนี้เช่นกัน ให้มีส่วนร่วม ไม่ว่าคุณจะรู้หรือไม่ก็ตาม คุณมีสิ่งสำคัญที่จะมีส่วนร่วมลักษณะทั่วไปความท้าทายที่สองคืออคติของชุดข้อมูลที่ส่งผลกระทบต่อระบบคำบรรยายภาพในปัจจุบัน แบบจำลองที่ได้รับการฝึกมานั้นเหมาะสมกับวัตถุทั่วไปที่เกิดขึ้นร่วมกันในบริบททั่วไป (เช่น เตียงและห้องนอน) ซึ่งนำไปสู่ปัญหาที่ระบบดังกล่าวพยายามหาข้อสรุปในฉากที่วัตถุเดียวกันปรากฏในบริบทที่มองไม่เห็น (เช่น เตียงและ ป่า). แม้ว่าการลดอคติของชุดข้อมูลจะเป็นปัญหาการวิจัยแบบเปิดที่ท้าทายในตัวเอง แต่เราขอเสนอเครื่องมือวินิจฉัยเพื่อประเมินว่าระบบคำบรรยายภาพที่ระบุมีอคติมากน้อยเพียงใดโดยเฉพาะอย่างยิ่ง เราได้สร้างชุดข้อมูลการวินิจฉัยทดสอบของภาพที่มีคำบรรยายซึ่งมีวัตถุทั่วไปที่เกิดขึ้นในฉากที่ไม่ปกติ (ชุดข้อมูลนอกบริบท – ชุดข้อมูล OOC) เพื่อทดสอบคุณสมบัติการจัดองค์ประกอบภาพและลักษณะทั่วไปของคำอธิบายภาพ การประเมิน OOC เป็นตัวบ่งชี้ที่ดีของภาพรวมของแบบจำลอง ประสิทธิภาพที่ไม่ดีเป็นสัญญาณว่าคำอธิบายภาพมีความเหมาะสมกับบริบทการฝึกอบรมมากเกินไป เราแสดงให้เห็นว่าแบบจำลองที่ใช้ GAN ที่มีตัวแบ่งแยกความสนใจร่วมและตัวสร้างที่คำนึงถึงบริบทนั้นมีการวางนัยทั่วไปที่ดีกว่าให้กับบริบทที่มองไม่เห็นมากกว่าวิธีการที่ทันสมัยก่อนหน้านี้ (ดูรูปที่ 1)การประเมินผลและการทดสอบทัวริงความท้าทายที่สามคือการประเมินคุณภาพของคำบรรยายที่สร้างขึ้น การใช้เมตริกอัตโนมัติ แม้จะมีประโยชน์เพียงบางส่วน แต่ก็ยังไม่น่าพอใจ เนื่องจากไม่ได้คำนึงถึงภาพ ในหลายกรณี การให้คะแนนยังคงไม่เพียงพอและบางครั้งก็ทำให้เข้าใจผิด

นักวิจัยนำแมชชีนเลิร์นนิงไปสู่เส้นทางสู่ข้อได้เปรียบเชิงควอนตัม

นักวิจัยนำแมชชีนเลิร์นนิงไปสู่เส้นทางสู่ข้อได้เปรียบเชิงควอนตัม RPA มีความหวังสูงว่าสักวันหนึ่งพลังการประมวลผลมหาศาลของคอมพิวเตอร์ควอนตัมจะปลดปล่อยความก้าวหน้าแบบทวีคูณในปัญญาประดิษฐ์ ระบบ AI เจริญเติบโตได้เมื่ออัลกอริทึมการเรียนรู้ของเครื่องที่ใช้ในการฝึกได้รับข้อมูลจำนวนมหาศาลเพื่อนำเข้า จำแนก และวิเคราะห์ ยิ่งสามารถจำแนกข้อมูลตามลักษณะเฉพาะหรือลักษณะเฉพาะได้แม่นยำมากเท่าไร AI ก็ยิ่งทำงานได้ดีขึ้นเท่านั้น คาดว่าคอมพิวเตอร์ควอนตัมจะมีบทบาทสำคัญในการเรียนรู้ของเครื่อง ซึ่งรวมถึงส่วนสำคัญของการเข้าถึงพื้นที่คุณลักษณะที่ซับซ้อนในการคำนวณมากขึ้น ซึ่งเป็นแง่มุมที่ละเอียดของข้อมูลที่อาจนำไปสู่ข้อมูลเชิงลึกใหม่ๆ ระบบจัดการภายใน ในบทความวิจัยเรื่องNatureฉบับใหม่ที่ชื่อว่า ” Supervised learning with quantum Enhanced feature Spaces ” ทีมของฉันที่IBM Researchร่วมกับMIT-IBM Watson AI Labอธิบายการพัฒนาและทดสอบอัลกอริทึมควอนตัมที่มีศักยภาพในการเปิดใช้งานการเรียนรู้ของเครื่องบนควอนตัม คอมพิวเตอร์ในอนาคตอันใกล้นี้ เราได้แสดงให้เห็นว่าในขณะที่คอมพิวเตอร์ควอนตัมมีประสิทธิภาพมากขึ้นในปีต่อๆ ไป และปริมาณควอนตัมก็เพิ่มขึ้น พวกเขาจะสามารถทำการแมปคุณลักษณะ ซึ่งเป็นองค์ประกอบสำคัญของการเรียนรู้ของเครื่อง บนโครงสร้างข้อมูลที่ซับซ้อนสูงในระดับที่ไกลเกินกว่า เข้าถึงได้แม้กระทั่งคอมพิวเตอร์คลาสสิกที่ทรงพลังที่สุดวิธีการของเรายังสามารถจัดประเภทข้อมูลด้วยการใช้วงจรเชิงลึกซึ่งเปิดเส้นทางสู่การจัดการกับการถอดรหัส การแมปคุณลักษณะของเราทำงานตามที่คาดการณ์ไว้อย่างมีนัยสำคัญเช่นเดียวกัน: ไม่มีข้อผิดพลาดในการจัดหมวดหมู่กับข้อมูลที่ออกแบบของเรา แม้ว่าโปรเซสเซอร์ของระบบIBM Qจะประสบปัญหาการถอดรหัสใหญ่กว่า ดีกว่าการแมปคุณลักษณะเป็นวิธีการแยกส่วนข้อมูลเพื่อเข้าถึงแง่มุมที่ละเอียดยิ่งขึ้นของข้อมูลนั้น อัลกอริธึมการเรียนรู้ของเครื่องทั้งแบบคลาสสิกและแบบควอนตัมสามารถแบ่งรูปภาพได้ ตัวอย่างเช่น โดยพิกเซลและวางไว้ในตารางตามค่าสีของแต่ละพิกเซล จากนั้นอัลกอริธึมจะจับคู่จุดข้อมูลแต่ละจุดแบบไม่เชิงเส้นกับพื้นที่มิติสูง โดยแยกย่อยข้อมูลตามคุณลักษณะที่สำคัญที่สุด ในพื้นที่สถานะควอนตัมที่มีขนาดใหญ่กว่ามาก เราสามารถแยกลักษณะและคุณสมบัติของข้อมูลนั้นได้ดีกว่าที่เราสามารถทำได้ในแผนผังคุณลักษณะที่สร้างโดยอัลกอริธึมการเรียนรู้ของเครื่องแบบคลาสสิก ในที่สุด ยิ่งสามารถจำแนกข้อมูลได้อย่างแม่นยำตามลักษณะเฉพาะหรือคุณลักษณะเฉพาะ ปัญญาประดิษฐ์ก็จะยิ่งทำงานได้ดีขึ้นเท่านั้นเป้าหมายคือการใช้คอมพิวเตอร์ควอนตัมเพื่อสร้างตัวแยกประเภทใหม่ที่สร้างแผนที่ข้อมูลที่ซับซ้อนยิ่งขึ้น ในการทำเช่นนั้น นักวิจัยจะสามารถพัฒนา

เพิ่มควอนตัมไอคิวของคุณ

เพิ่มควอนตัมไอคิวของคุณ RPA เว้นแต่คุณจะอยู่ใต้ก้อนหิน คุณอาจรู้จักคอมพิวเตอร์ควอนตัมขนาด 5 บิตที่เราเผยแพร่ทางออนไลน์เมื่อปีที่แล้ว ซึ่งคุณและบุคคลทั่วไปสามารถเข้าถึงได้ฟรีผ่าน IBM Cloud บางทีคุณอาจไม่ได้คิดอะไรมาก เนื่องจากขณะนี้มีเทคโนโลยีล้ำสมัยมากมายที่เข้าถึงได้ผ่านระบบคลาวด์ การตลาดออนไลน์ แต่ลองคิดดู มีชิปที่มีลวดลายเป็นตัวนำยิ่งยวด 5 คิวบิต (ตัวพาข้อมูลควอนตัมของเรา) นั่งอยู่ที่ด้านล่างของตู้เย็นเจือจางที่ 0.015 เคลวินในห้องทดลองของเรา. อากาศเย็นพอที่จะทำให้อากาศเย็นจัดและทำให้อะตอมแทบไม่เคลื่อนไหว เราได้ออกแบบ qubits ของเราให้คงสถานะควอนตัมไว้นานพอที่จะดำเนินการได้มากกว่าหนึ่งร้อยครั้ง เราได้ออกแบบความถี่และรูปร่างของพัลส์ที่แน่นอนซึ่งไมโครเวฟจะต้องใส่คิวบิตเหล่านี้ในการซ้อนทับควอนตัมและสร้างการพัวพันระหว่างพวกเขาตามต้องการ เรามีชั้นวางอุปกรณ์อิเล็กทรอนิกส์ขนาดใหญ่สำหรับทำสิ่งนี้ โดยวางไว้ข้างตู้เย็น เพื่อให้ใช้งานง่าย เราได้เชื่อมต่อฮาร์ดแวร์ทั้งหมดนี้กับ GUI ที่สวยงาม ผู้ใช้จึงไม่จำเป็นต้องรู้เรื่องนี้ด้วยซ้ำ เครื่องต้นแบบนี้ใช้เวลาหลายปีในการผลิต และใช้งานได้จริง เราเชื่อมต่อกับเว็บเพื่อให้คุณใช้งานได้: เพื่อเรียนรู้ ค้นคว้า เล่นหรืออะไรก็ตามที่คุณคิดนึกภาพไม่ออก? David McKay นักวิจัยของ IBM บันทึกวิดีโอเพื่อแสดงให้คุณเห็นว่าจะเกิดอะไรขึ้นเมื่อคุณเริ่มการทดลองผ่านประสบการณ์ IBM Qไม่กี่เดือนที่ผ่านมา เราได้เปิดตัวการอัปเกรดเป็น 16Qสำหรับผู้ใช้เบต้า Hanhee Paik และ Martin Sandberg สมาชิกทีมวิจัยสองคนที่ทำให้สิ่งนี้เกิดขึ้น อยากให้คุณทราบเพิ่มเติมว่ามีอะไรใหม่ในโปรเซสเซอร์ 16Q

เปิดแล้ว: เตรียมควอนตัมพร้อมรางวัลวิทยาศาสตร์ใหม่สำหรับอาจารย์ นักศึกษา และนักพัฒนา

เปิดแล้ว: เตรียมควอนตัมพร้อมรางวัลวิทยาศาสตร์ใหม่สำหรับอาจารย์ นักศึกษา และนักพัฒนา RPA ไม่ว่าจะเป็นพีซี สมาร์ทโฟน หรือคอมพิวเตอร์ควอนตัม ข้อเท็จจริงประการหนึ่งยังคงสอดคล้องกัน: สูตรแห่งความสำเร็จต้องอาศัยการสร้างระบบนิเวศที่มีส่วนร่วมและเฟื่องฟูเป็นอย่างมากตัวอย่างเช่น เมื่อวันที่12 สิงหาคม พ.ศ. 2524เมื่อ IBM เปิดตัว IBM 5150 (ในที่สุดเรียกว่า IBM PC) ในงานแถลงข่าวที่นครนิวยอร์ก มันมาพร้อมกับเทคโนโลยีของบุคคลที่สามซึ่งรวมถึง VisiCalc ซึ่งเป็นสเปรดชีต EasyWriter โปรแกรมประมวลผลคำและเครื่องพิมพ์ดอทเมทริกซ์ การตลาดออนไลน์ สิ่งนี้เป็นไปได้เพียงเพราะ IBM เลือกที่จะทำให้ 5150 เป็นผลิตภัณฑ์ “สถาปัตยกรรมแบบเปิด” ซึ่งหมายความว่าได้เผยแพร่ข้อมูลอ้างอิงทางเทคนิคเกี่ยวกับการออกแบบวงจรของระบบและซอร์สโค้ดของซอฟต์แวร์ ดังนั้นบริษัทอื่นๆ เช่น VisiCorp, Information Unlimited Software และ Epson สามารถพัฒนาได้ ซอฟต์แวร์และสร้างส่วนประกอบต่อพ่วง การเปิดพีซีนั้นได้ผลและภายในเดือนมกราคม พ.ศ. 2526 พีซีของ IBM มีจำหน่ายทั่วโลก — ที่จุดสูงสุด พีซีของ IBM

เครื่องจำลองประสิทธิภาพสูงแบบเปิดสำหรับวงจรควอนตัม

เครื่องจำลองประสิทธิภาพสูงแบบเปิดสำหรับวงจรควอนตัม RPA การปรับใช้ HPC ของ QISKitความสนใจที่เพิ่มขึ้นในการคำนวณควอนตัมเมื่อเร็ว ๆ นี้ส่วนใหญ่มาจากแนวทางของ “ข้อได้เปรียบของควอนตัม” ซึ่งเป็นจุดที่คอมพิวเตอร์ควอนตัมจะเกินความสามารถของซูเปอร์คอมพิวเตอร์คลาสสิกที่ใหญ่ที่สุดเมื่อนำไปใช้กับกรณีการใช้งานแอปพลิเคชันที่เกี่ยวข้องและสำคัญ ในทางกลับกัน การจำลองการคำนวณด้วยควอนตัมเป็นองค์ประกอบสำคัญในการพัฒนาแอปพลิเคชันและไลบรารีควอนตัม การจำลองขนาดใหญ่ของระบบควอนตัมในอุดมคติช่วยให้นักวิจัยสามารถดีบักแอปพลิเคชันของตนเพื่อใช้กับอุปกรณ์ซึ่งจะพร้อมใช้งานในอนาคต ในขณะที่การจำลองเสียงที่มีความเที่ยงตรงสูงช่วยให้นักวิจัยสามารถตรวจสอบ ภายใต้เงื่อนไขที่ควบคุมได้ พฤติกรรมและประสิทธิภาพของไลบรารี ระบบควอนตัมที่สมจริงและทันสมัย การตลาดออนไลน์ เกือบหนึ่งปีที่ผ่านมา เพื่อเตรียมพร้อมสำหรับการใช้ระบบควอนตัมสำหรับการคำนวณอย่างกว้างขวางยิ่งขึ้น IBM Research ได้จัดทำQuantum Information Software Kit (QISKit)ให้กับทุกคนที่สนใจเรียนรู้วิธีเข้ารหัสและจำลองอัลกอริทึมที่ออกแบบมาสำหรับคอมพิวเตอร์ควอนตัม QISKit อนุญาตให้ผู้ใช้เรียกใช้โปรแกรมทดลองที่ใช้วงจรควอนตัมบนคอมพิวเตอร์ควอนตัมจริงหรือบนเครื่องจำลองวงจรควอนตัมที่ทำงานบนคอมพิวเตอร์แบบคลาสสิกในระบบคลาวด์หรือแล็ปท็อปอย่างที่ใครๆ คาดคิด เมื่อพิจารณาถึงประสิทธิภาพที่เป็นไปได้ของคอมพิวเตอร์ควอนตัมและความแตกต่างระหว่างคอมพิวเตอร์ควอนตัมและคอมพิวเตอร์คลาสสิก ความต้องการด้านการคำนวณที่ค่อนข้างสูงสามารถนำไปใช้กับระบบที่ใช้การจำลองดังกล่าว งานล่าสุดของเรามุ่งเน้นไปที่การใช้ประโยชน์จากความสามารถขั้นสูงบางอย่างของสถาปัตยกรรมคอมพิวเตอร์ IBM POWER8 และ IBM POWER9 รวมถึงแบนด์วิดท์หน่วยความจำสูง ความจุมัลติเธรดที่มีประสิทธิภาพ และปริมาณการประมวลผลสูง ด้วยเหตุนี้ข้อได้เปรียบของ HPC: 30+ Qubits เพียงปลายนิ้วสัมผัสQISKit มีตัวจำลองหลายตัวที่ช่วยให้ทุกคนที่ต้องการพัฒนาแอปพลิเคชันคอมพิวเตอร์ควอนตัมสามารถทำได้บนคอมพิวเตอร์ส่วนบุคคลของตน จำลองเหล่านี้กลายเป็นใช้ได้โดยการติดตั้ง QISKit อย่างไรก็ตาม การจำลองวงจรควอนตัมที่มีความกว้างมาก (การนับ qubit) ต้องใช้หน่วยความจำและทรัพยากร CPU

ผู้เชี่ยวชาญด้านโดเมน ยินดีต้อนรับสู่ Quantum: แนะนำ QISKit AQUA

ผู้เชี่ยวชาญด้านโดเมน ยินดีต้อนรับสู่ Quantum: แนะนำ QISKit AQUA RPA QISKit AQUA เชื่อมต่อคอมพิวเตอร์ควอนตัมสุดคลาสสิกการทำงานกับคอมพิวเตอร์ควอนตัมจริงง่ายขึ้นสำหรับผู้เชี่ยวชาญด้านเคมี ปัญญาประดิษฐ์ และการเพิ่มประสิทธิภาพ อาคาร QISKit มาเปิดชุดข้อมูลควอนตัมวิทยาศาสตร์ของเราสำหรับการพัฒนาซอฟต์แวร์ที่เราได้เปิดตัว AQUA – lgorithms และวงจรสำหรับQU antum pplications ซอฟต์แวร์โอเพนซอร์ซใหม่นี้ช่วยให้แอปพลิเคชันคอมพิวเตอร์คลาสสิกส่งการดำเนินการที่ซับซ้อนเพื่อรันบนคอมพิวเตอร์ควอนตัมผ่านระบบคลาวด์ การตลาดออนไลน์ ให้ฉันเริ่มด้วยการอธิบายเกี่ยวกับซอฟต์แวร์ควอนตัม และตำแหน่งที่ QISKit และ AQUA เหมาะสม ที่ระดับต่ำสุดคือฮาร์ดแวร์ที่ qubits นั่งที่อุณหภูมิเย็นจัด 15 mK qubits รับสัญญาณพัลส์ไมโครเวฟสำหรับการคำนวณ ซึ่งได้รับการแปลและแปลงจาก OpenQASM ซึ่งเป็นภาษาแอสเซมบลีระดับต่ำของ IBM Q โดย QISKit ผู้ใช้ระบบIBM Q Experience 16 qubit ฟรีสามารถเขียนโปรแกรมโดยตรงใน OpenQASM แต่จะใช้ไลบรารี่ในภาษาระดับสูงได้ง่ายกว่า นั่นคือที่มาของ QISKit ซึ่งเป็นอินเทอร์เฟซส่วนหน้าที่ทำงานร่วมกับ Python

การทำความเข้าใจความซับซ้อนของการรวบรวมวงจรควอนตัม

การทำความเข้าใจความซับซ้อนของการรวบรวมวงจรควอนตัม RPA วงจรควอนตัมคืออะไร?วงจรควอนตัมอาจเป็นเรื่องยุ่งยาก การคำนวณควอนตัมสัญญาว่าจะเร็วกว่าการคำนวณแบบคลาสสิกในบางปัญหา แต่ไม่ใช่ปัญหาด้านการคำนวณทั้งหมด คอมพิวเตอร์ควอนตัมจะเร็วกว่าคอมพิวเตอร์แบบคลาสสิกหรือไม่นั้นขึ้นอยู่กับลักษณะของปัญหาที่กำลังแก้ไข เมื่อสามารถเร่งความเร็วได้ ขนาดของการเพิ่มความเร็วก็ขึ้นอยู่กับลักษณะของปัญหาด้วย ตัวอย่างเช่น ในปัญหาบางประเภท เวลาในการแก้ไขด้วยคอมพิวเตอร์ควอนตัมอาจลดลงเหลือประมาณรากที่สองของเวลาในการแก้ปัญหาด้วยการคำนวณแบบคลาสสิก นั่นคือ ปัญหาที่ต้องใช้การดำเนินการหนึ่งล้านครั้งในคอมพิวเตอร์แบบคลาสสิก อาจต้องใช้การดำเนินการ 1,000 ครั้งบนคอมพิวเตอร์ควอนตัม การตลาดออนไลน์ คิวบิตคืออะไร?หน่วยหน่วยความจำพื้นฐานในคอมพิวเตอร์ควอนตัมคือqubitsซึ่งเป็นลักษณะทั่วไปของบิตบนคอมพิวเตอร์แบบคลาสสิก บิตคลาสสิกสามารถรับค่าที่แตกต่างกันได้สองค่า คือ 0 และ 1 ในช่วงเวลาใดก็ตาม บิตมีค่าหนึ่งในสองค่านี้พอดี ดังนั้นบิตจึงคล้ายกับเหรียญที่วางอยู่บนโต๊ะ: สามารถอยู่ในสถานะเฮดอัพ (ซึ่งเราสามารถพิจารณาได้ว่าเทียบเท่ากับบิตที่ตั้งเป็น 0) หรือในตำแหน่งคว่ำหน้า (บิต ตั้งเป็น 1). ในทางตรงกันข้าม qubit สามารถมีค่ามากกว่า 0 และ 1 ในเวลาที่กำหนด สถานะของ qubit สามารถเป็นการรวมกันของ 0 และ 1 เรียกว่าsuperposition. การใช้การเปรียบเทียบเหรียญของเรา การทับซ้อนจะคล้ายกับเหรียญที่หมุนอยู่ในอากาศ พูดอย่างไม่เป็นทางการเหมือนกับว่า qubit อยู่ในสถานะพื้นฐานทั้งสอง (0 และ 1)

เรามีผู้ชนะ! … จากรางวัล IBM Quantum Best Paper Award

เรามีผู้ชนะ! … จากรางวัล IBM Quantum Best Paper Award RPA เพื่อส่งเสริมให้ครูและนักเรียนใช้ประโยชน์จากIBM Quantum Experienceและแพลตฟอร์มการพัฒนา IBM Qiskit เราได้ประกาศความท้าทายและรางวัลมากมายในเดือนมกราคมเพื่อสร้างแรงบันดาลใจให้ผู้คนก้าวกระโดดควอนตัมเรายินดีที่จะประกาศผู้ชนะรางวัลIBM Quantum Awardครั้งที่สาม: IBM Quantum Best Paper Award ซึ่งมอบรางวัลที่หนึ่งมูลค่า 1,500 ดอลลาร์ รางวัลที่สอง 1,000 ดอลลาร์ และค่าเดินทาง 1,500 ดอลลาร์สำหรับผู้เขียน เอกสารห้าฉบับที่ดีที่สุดในการเข้าร่วมงานควอนตัมที่จัดขึ้นที่ห้องปฏิบัติการวิจัยของ IBM การตลาดออนไลน์ รางวัลนี้มอบให้สำหรับเอกสารทางวิทยาศาสตร์ที่มีผลกระทบสูงสุดโดยนักศึกษาระดับปริญญาโท นักศึกษาระดับปริญญาเอก หรือนักวิจัยหลังปริญญาเอกโดยใช้ IBM Quantum Experience และ Qiskit เป็นเครื่องมือในการบรรลุผลที่นำเสนอขอแสดงความยินดีกับผู้ชนะอันดับหนึ่งของเรา Christophe Vuillot จาก QuTech และ TU Delft; ผู้ชนะอันดับสองของเรา Clement Javerzac-Galy และนักเรียนของเขาจาก EPFL;

พอดคาสต์: ควอนตัมในบริการทางการเงิน

พอดคาสต์: ควอนตัมในบริการทางการเงิน RPA ใน พอดคาสต์Waters Technology Wavelengthล่าสุดKathryn Guarini รองประธานฝ่ายวิจัยอุตสาหกรรมของIBM และ Bob Sutor รองประธานฝ่ายกลยุทธ์และระบบนิเวศของ IBM Q หารือเกี่ยวกับฮาร์ดแวร์ ซอฟต์แวร์ และชุมชนการวิจัยของ IBM Q เกี่ยวกับความก้าวหน้าในพื้นที่ควอนตัม และสำรวจสิ่งที่จะเกิดขึ้นในอนาคต รวมถึงแอปพลิเคชันสำหรับ อุตสาหกรรมบริการทางการเงิน การตลาดออนไลน์ นอกจากนี้ยังมีประชาชนมากกว่า 100,000 ใช้ฟรีประสบการณ์ IBM Qสภาพแวดล้อมสำหรับการวิจัยพื้นฐานควอนตัมสถาบันการเงินรวมทั้ง JPMorgan Chase และบาร์เคลย์มีการสำรวจกรณีการใช้งานควอนตัมเป็นส่วนหนึ่งของการค้าของไอบีเอ็ม Q เครือข่าย หาคำตอบว่าทำไมอุตสาหกรรมบริการทางการเงินจึงพร้อมสำหรับควอนตัมในวันนี้Fixit Skillประเภทกรณีใช้งาน:คุณสมบัติ API การแก้ไขปัญหาเชิงรุก: ฟังและเรียนรู้; ปฏิกิริยาทักษะที่สุดท้ายที่เรานำเสนอคือ“Fixit” ทักษะ – ทักษะนี้ให้แก้ไขคำสั่งสุดท้ายที่พิมพ์โดยผู้ใช้ในบรรทัดคำสั่งตามกฎของนั้นปลั๊กอินภายนอก ทักษะ fixit (พร้อมกับทักษะ man page explorer ซึ่งใช้tldrภายใน) ทำหน้าที่เป็นภาพประกอบง่ายๆ ของการพับปลั๊กอินและเครื่องมือที่มีอยู่ลงในเฟรมเวิร์กของ CLAI ซึ่งแสดงให้เห็นถึงความง่ายในการขยาย

IBM Quantum ในอาร์กติก: 76.4° เหนือ

IBM Quantum ในอาร์กติก: 76.4° เหนือ RPA ฉันนั่งArcticอยู่หน้ากล้องจุลทรรศน์ พยายามต่อสู้กับอาการเมาเรือครั้งแรกด้วยการแหงนมองทะเลขณะที่ขอบฟ้าขึ้นลง การนับอนุภาคไมโครพลาสติกดูเหมือนง่ายบนกระดาษ แต่การแยกปีกบินออกจากฟิล์มพลาสติกและไข่ปลาจากเม็ดพลาสติกนั้นเป็นปัญหาที่เกิดขึ้นในชีวิตประจำวันของฉันมากเกินไป ไม่เพียงแต่ฉันขัดขืนที่จะตะคอกใส่ Marc เพื่อนร่วมงานของฉันที่ถามฉันถึงเป็นพันล้านครั้งว่าเส้นใยเล็กๆ ที่เขาเพิ่งสังเกตเห็นนั้นดูเหมือนจะเป็นใยสังเคราะห์หรือชีวภาพ (ชายผู้น่าสงสารอยู่ตรงนั้นมาตลอดหกชั่วโมงที่แล้ว ) แต่สลัดรัสเซียตอนเที่ยงของฉันค่อย ๆ หาทางกลับขึ้นคอของฉันเพื่อสูดอากาศบริสุทธิ์ ฉันต้องการมันด้วยและตัดสินใจที่จะก้าวออกไปบนดาดฟ้า การตลาดออนไลน์ เป็นเดือนกรกฎาคม 2018 และฉันกำลังออกสำรวจอาร์กติกครั้งแรกของฉัน โดยได้สุ่มตัวอย่างไมโครพลาสติกในน่านน้ำผิวดินรอบเกาะโนวายา เซมเลีย ในฐานะสมาชิกของ UniArctic, “มหาวิทยาลัยลอยน้ำอาร์กติก” ฉันถือราวเหล็กเย็นของศาสตราจารย์ Molchanov แห่ง SS และผลักน้ำหนักของฉันไปข้างหลังบนส้นเท้าของฉันเป็นเวลานาน – มันเกี่ยวกับสมรรถภาพทางกายที่คุณสามารถทำได้บนเรือวิจัยรัสเซียลำนี้ การออกกำลังกายเป็นที่ชื่นชมอย่างมาก เมื่อฉันสูดอากาศบริสุทธิ์ให้เต็มปอดและสูดกลิ่นไอของลมทะเลที่เค็มจัดๆ ฉันก็เริ่มครุ่นคิดถึงปีที่แล้ว (สิ่งที่คุณจะทำได้ค่อนข้างบ่อยเมื่อถูกทิ้งไว้ในอาร์กติกโดยจำกัดหรือเข้าถึงโลกภายนอกไม่ได้เลย) ความคิดของฉันหันไปที่โครงการอื่น ๆ ที่เกี่ยวข้องกับมหาวิทยาลัยอย่างรวดเร็ว ฉันทำในภาคการศึกษาที่แล้ว และตลกดีที่พวกเขาไม่มีส่วนเกี่ยวข้องกับสิ่งที่ฉันทำบนเรือลำนี้ อาจารย์ของฉันอยู่ในวิชาฟิสิกส์เชิงทฤษฎี และฉันเชี่ยวชาญด้านฟิสิกส์ควอนตัมและสถิติ . ความคิดของฉันเบื้องหลังการสำรวจครั้งนี้คือการลองสิ่งใหม่ ๆ และออกจากเขตสบายของฉัน มันได้ผลอย่างแน่นอนฉันต้องการข้ออ้างที่จะผัดวันประกันพรุ่งมากกว่านี้ ฉันพยายามใช้คอมพิวเตอร์ที่เชื่อมต่ออินเทอร์เน็ตเป็นครั้งคราวเท่านั้น ฉันรอให้พ่อครัวประจำเรือตรวจดูสูตรอาหารของเธอให้เสร็จ (เธอใช้เวลาหลายชั่วโมงในการทำเช่นนี้