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

การคำนวณควอนตัมโดยประมาณ: จากข้อได้เปรียบสู่การใช้งาน

การคำนวณควอนตัมโดยประมาณ: จากข้อได้เปรียบสู่การใช้งาน RPA เมื่อสัปดาห์ที่แล้วในการประชุม Think Q ครั้งที่ 3 ที่ศูนย์วิจัย Thomas J Watson ผู้นำอุตสาหกรรมและนักวิชาการด้านคอมพิวเตอร์ควอนตัมได้พบปะเพื่อตอบคำถามเกี่ยวกับวิธีการเชื่อมรอยแยกระหว่างทฤษฎีของอัลกอริธึมควอนตัมและการใช้งานจริงที่สามารถทำงานโดยประมาณในปัจจุบัน (ไม่ใช่ – ทนต่อความผิดพลาด) คอมพิวเตอร์ควอนตัมปาฐกถา การอภิปราย เวิร์กช็อปการสอน และโปสเตอร์: เราจะใช้ประโยชน์จากข้อได้เปรียบของคอมพิวเตอร์ควอนตัมโดยประมาณเหนือระบบคลาสสิกได้อย่างไร เราจะปกป้องคอมพิวเตอร์ควอนตัมจากเสียงรบกวนได้อย่างไร เราจะใช้พวกเขาเพื่อแก้ปัญหาการคำนวณที่น่าสนใจได้อย่างไร และทั้งหมดนี้สามารถทำได้โดยไม่ทำให้เกิดโอเวอร์เฮดขนาดใหญ่ เช่น ที่จำเป็นสำหรับการคำนวณควอนตัมที่ทนต่อข้อผิดพลาดหรือไม่ การตลาดออนไลน์ ในอีกไม่กี่ปีข้างหน้า เราจะไม่ทนต่อความผิดพลาด แต่เราจะมีบางสิ่งที่น่าจะมีประสิทธิภาพมากกว่าคลาสสิก – และเราเข้าใจว่านั่นเป็นความยากลำบากอย่างไร – Jay Gambetta ผู้จัดการข้อมูลควอนตัมและการคำนวณ IBM Researchโปรแกรมของเราเต็มไปด้วยการพูดคุยทางวิทยาศาสตร์เกี่ยวกับอัลกอริธึมควอนตัม การลดข้อผิดพลาดของควอนตัมและการแก้ไขข้อผิดพลาด เคมีควอนตัม วิธีการจำลองแบบคลาสสิกและการตรวจสอบ และอีกมากมาย ซึ่งคุณสามารถดูได้ด้านล่าง เราปิดท้ายด้วยการอภิปรายที่น่าสนใจ การคำนวณด้วยควอนตัมก่อนที่จะยอมรับข้อผิดพลาดกับ Dave Bacon ของ Google, Andrew Childs ของ University of Maryland,

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

สวัสดีควอนตัม: การสร้างเกมควอนตัมที่สนุกอย่างจริงจัง

สวัสดีควอนตัม: การสร้างเกมควอนตัมที่สนุกอย่างจริงจัง RPA แน่นอนว่ามันเป็นเกมไขปริศนาง่ายๆ ที่ทุกคนอายุห้าขวบขึ้นไปสามารถเล่นแบบสบาย ๆ ได้ แต่ยังเป็นประตูสู่ — และการสอนแบบโต้ตอบ — โดยใช้คอมพิวเตอร์ควอนตัมจริง ผู้เล่นสามารถสลับจากการเล่นเกมไปยังการทดลองบนIBM Q Experienceได้โดยตรงจากโทรศัพท์ของพวกเขา โอ้ฉันพูดถึงมันสนุกจนติดใจเหรอ?ถ้าคุณไม่มีปริญญาเอกด้านวิทยาศาสตร์ “ความสนุก” อาจไม่ใช่คำแรกที่นึกถึงทฤษฎีควอนตัม มันเริ่มต้นขึ้นในช่วงต้นปี 20 THศตวรรษที่เป็นคำอธิบายทางคณิตศาสตร์สำหรับพฤติกรรมที่แปลกประหลาดของอนุภาคและเดินตรงไปที่จะปฏิวัติฟิสิกส์และเคมีที่นำไปสู่ความก้าวหน้าทางเทคโนโลยีที่สำคัญ ๆ เช่นเลเซอร์และทรานซิสเตอร์ การตลาดออนไลน์ ทุกวันนี้ ควอนตัมจุดชนวนให้เกิดการปฏิวัติในการประมวลผลข้อมูล ตั้งแต่ปี 1981 เมื่อ Richard Feynman บอกกับการประชุมของนักวิทยาศาสตร์ว่า “ถ้า [พวกเขา] ต้องการสร้างแบบจำลองของธรรมชาติ [พวกเขาจะ] ดีกว่าทำให้มันเป็นกลไกควอนตัม” เราใฝ่ฝันที่จะสร้างคอมพิวเตอร์ควอนตัมโดยใช้ควอนตัมบิตหรือคิวบิต . ในช่วงสองสามปีที่ผ่านมา ความฝันนั้นได้กลายเป็นความจริงสำหรับนักวิทยาศาสตร์ และใครก็ตามที่สนใจในการคำนวณควอนตัมสวัสดีควอนตัม: เกมถือกำเนิดขึ้นแพลตฟอร์ม IBM Q เริ่มใช้งานจริงในเดือนพฤษภาคม 2559 ภายในสองเดือน มีผู้ใช้ 28,000 รายลงทะเบียนเพื่อใช้งาน แม้แต่ทีม IBM ก็ไม่พร้อมสำหรับความนิยมในชั่วข้ามคืน โดยเฉพาะอย่างยิ่งในหมู่ผู้ที่ชื่นชอบวิทยาศาสตร์ทั่วไปที่รู้เพียงเล็กน้อยหรือไม่รู้เลยเกี่ยวกับควอนตัม“เราพบว่าผู้ที่ไม่ใช่ผู้เชี่ยวชาญมักกระหายที่จะทำความเข้าใจและใช้งาน”

ว่าด้วยเรื่อง “ควอนตัมสูงสุด”

ว่าด้วยเรื่อง “ควอนตัมสูงสุด” RPA คอมพิวเตอร์ควอนตัมเริ่มเข้าใกล้ขีดจำกัดของการจำลองแบบคลาสสิกแล้ว และเป็นสิ่งสำคัญที่เราจะต้องดำเนินการเปรียบเทียบความก้าวหน้าต่อไปและถามว่าการจำลองนั้นยากเพียงใด นี่เป็นคำถามทางวิทยาศาสตร์ที่น่าสนใจความก้าวหน้าล่าสุดในการใช้คอมพิวเตอร์ควอนตัมที่มีผลในสองโปรเซสเซอร์ 53 คิวบิตหนึ่งจากกลุ่มเราใน IBM และอุปกรณ์ที่อธิบายไว้โดย Google ในบทความที่ตีพิมพ์ในวารสารNature ในรายงานฉบับนี้ เป็นที่ถกเถียงกันอยู่ว่าอุปกรณ์ของพวกเขามี “อำนาจสูงสุดของควอนตัม” และ “ซูเปอร์คอมพิวเตอร์ที่ล้ำสมัยจะต้องใช้เวลาประมาณ 10,000 ปีในการทำงานที่เทียบเท่ากัน” เรายืนยันว่าการจำลองในอุดมคติของงานเดียวกันสามารถดำเนินการในระบบคลาสสิกใน 2.5 วันและมีความจงรักภักดีไกลมากขึ้น อันที่จริงแล้วนี่เป็นการประมาณการที่ระมัดระวังและเป็นกรณีที่แย่ที่สุด และเราคาดหวังว่าด้วยการปรับแต่งเพิ่มเติม ต้นทุนแบบคลาสสิกของการจำลองจะลดลงอีก การตลาดออนไลน์ เนื่องจากความหมายดั้งเดิมของคำว่า “อำนาจสูงสุดของควอนตัม” ตามที่ John Preskill เสนอในปี 2555 คือการอธิบายจุดที่คอมพิวเตอร์ควอนตัมสามารถทำสิ่งที่คอมพิวเตอร์คลาสสิกทำไม่ได้ เกณฑ์นี้จึงไม่เป็นไปตามเกณฑ์แนวคิดเฉพาะของ “อำนาจสูงสุดของควอนตัม” นี้มีพื้นฐานมาจากการดำเนินการวงจรควอนตัมแบบสุ่มที่มีขนาดที่เป็นไปไม่ได้สำหรับการจำลองด้วยคอมพิวเตอร์คลาสสิกที่มีอยู่ โดยเฉพาะอย่างยิ่ง บทความนี้แสดงการทดลองทางคอมพิวเตอร์กับโปรเซสเซอร์ควอนตัม 53 บิตที่ใช้วงจรควอนตัมเกทสองคิวบิตขนาดใหญ่ที่น่าประทับใจที่มีความลึก 20 โดยมี 430 สองบิตและเกต 1,113 คิวบิตเดียว และคาดการณ์ความเที่ยงตรงทั้งหมด 0.2% . การจำลองแบบคลาสสิกประมาณ 10,000 ปีนั้นอิงจากการสังเกตว่าความต้องการหน่วยความจำ RAM เพื่อจัดเก็บเวกเตอร์สถานะเต็มในการจำลองประเภทชโรดิงเงอร์จะเป็นสิ่งที่ห้ามปราม