پای رایانش کوانتومی به یادگیری ماشینی باز شد

0
115

پژوهشگران شرکت کالیفرنیایی محاسبات ریگِتی بتازگی موفق شدند با استفاده از تراشه‌های کوانتومی، محاسبات الگوریتمی خوشه‌بندی انجام دهند. خوشه‌بندی روشی‌در یادگیری ماشینی است که داده‌ها را در دسته‌های مشابه مرتب می‌کند.

به گفته ویل زِنگ، مدیر بخش نرم‌افزاری ریگِتی، دستاورد اخیر نشان‌دهنده نمونه‌ای از کاربردهای عملی رایانه‌های کوانتومی است که قدمی رو به جلو در جهت ساخت رایانه‌‌های کوانتومی محسوب می‌شود و بویژه می‌تواند حوزه‌ هوش مصنوعی را دگرگون کند.

این روزها بسیاری از پژوهشکده‌های علوم رایانه در تلاشند سریع‌تر از سایر رقبا رایانه‌های کوانتومی کاربردی بسازند، به طوری که میان شرکت‌های نام‌آشنایی مانند آی‌بی‌اِم، گوگل، اینتل و مایکروسافت رقابت سختی در این زمینه در جریان است.

رایانه‌های معمولی بر پایه‌ صفر و یک ساخته می‌شوند، به این معنی که هر بیت فقط می‌تواند به یکی از دو حالت صفر یا یک وجود داشته باشد، اما رایانه‌های کوانتومی بر پایه‌ کیوبیت عمل می‌کنند؛ یعنی به‌واسطه برخورداری از ویژگی برهم‌نهی و درهم‌تنیدگی قادرند دو حالت صفر و یک را همزمان اختیار کنند.

در فیزیک کوانتومی تصور می‌شود اگر رایانه‌ای فقط از صدکیوبیت تشکیل شود، قادر به انجام فوق‌سریع پیچیده‌ترین محاسبات ‌ریاضی را با دقتی باورنکردنی خواهد بود. شرکت آی‌بی‌اِم اخیرا اعلام کرده یک رایانه کوانتومی ۵۰ کیوبیتی ساخته است و گوگل نیز ادعا دارد رایانه‌ای کوانتومی با همین مقیاس در اختیار دارد.

رایانه‌های کوانتومی حداقل در حد فرضیه از پتانسیل بالایی برخوردارند. شواهد نشان داده است رایانه‌های کوانتومی قادرند بسیاری از سیستم‌های رمزنگاری کنونی را رمزگشایی کنند.

این فناوری عجیب اکنون درحال رسیدن به مقیاسی است که می‌تواند محاسبات پیچیده‌ای را که اَبَررایانه‌های پرقدرت معمولی ‌بسختی انجام‌ می‌دهند، در کسری از ثانیه حل کند.

فیزیکدانان معتقدند هنوز چند سال دیگر زمان لازم است تا دنیا به ارزش واقعی رایانه‌های کوانتومی و الگوریتم‌های تشکیل‌دهنده آن پی ببرد. به اعتقاد کریستوفر مونرو، فیزیکدان تجربی، هنوز خیلی زود است بگوییم رایانه‌های ابری، حوزه‌ هوش مصنوعی را متحول خواهند کرد، زیرا هنوز درک کاملی از چگونگی سازوکار یادگیری ماشینی کلاسیک وجود ندارد.

از این‌رو، اعمال یادگیری ماشینی روی رایانه‌های کوانتومی که خود پدیده مبهمی است، فقط موجب ایجاد ابهامات گسترده‌تر خواهد شد. مونرو تأکید دارد اگرچه پیشرفت یادگیری ماشینی از مسیر رایانه‌های کوانتومی درحال حاضر فایده‌ای ندارد، اما برعکس تسهیل ساخت رایانه‌های کوانتومی به‌وسیله یادگیری ماشینی استراتژی ثمربخش‌تری خواهد بود.

به‌ گفته مونرو، شاید بتوان از یادگیری ماشینی غیرکوانتومی در مدیریت اَعمال پیچیده این رایانه‌های فوق‌قدرتمند بهره گرفت. با این‌حال، جای تردیدی نیست این دو مقوله، رایانش کوانتومی و یادگیری ماشینی، درهرصورت از یکدیگر متأثر خواهند بود.

دیدگاهتان را بنویسید

Please enter your comment!
Please enter your name here