Metode kuantum janjikan dorongan untuk AI pada komputer

Para peneliti telah mengembangkan pendekatan matematis yang menunjukkan bahwa komputer kuantum dapat memproses kumpulan data besar secara efisien untuk tugas-tugas AI. Dengan memuat data secara bertahap seperti streaming, metode ini menghindari kebutuhan memori yang sangat besar. Sebuah mesin dengan hanya 60 qubit logis dapat melampaui sistem klasik pada akhir dekade ini.

Hsin-Yuan Huang di perusahaan kuantum Oratomic dan rekan-rekannya berpendapat bahwa pekerjaan mereka meletakkan dasar bagi keunggulan kuantum dalam pembelajaran mesin. Skeptisisme konvensional menyatakan bahwa memasukkan data dunia nyata, seperti ulasan restoran atau urutan RNA, ke dalam status superposisi kuantum memerlukan memori yang sangat besar. Solusi tim ini mengalirkan data dalam kelompok yang lebih kecil, memprosesnya tanpa penyimpanan penuh, mirip dengan menonton film secara online alih-alih mengunduhnya terlebih dahulu. Haimeng Zhao di California Institute of Technology mencatat bahwa hal ini menghasilkan keunggulan memori yang sangat besar sehingga 300 qubit logis akan melampaui komputer klasik yang menggunakan setiap atom di alam semesta yang dapat diamati. Huang menekankan ubiquitas pembelajaran mesin: “Pembelajaran mesin benar-benar digunakan di mana-mana dalam sains dan teknologi serta kehidupan sehari-hari. Di dunia di mana kita dapat membangun arsitektur [komputasi kuantum] ini, saya merasa itu dapat diterapkan kapan pun ada kumpulan data besar yang tersedia.” Para ahli memuji inovasi ini namun meminta kehati-hatian. Adrián Pérez-Salinas di ETH Zurich menyebutnya menjanjikan untuk memberi makan mesin kuantum sedikit demi sedikit, namun menekankan pengujian terhadap dekuantisasi, di mana algoritma kuantum kehilangan keunggulannya pada perangkat keras klasik. Vedran Dunjko di Universitas Leiden melihat kecocokan untuk eksperimen padat data seperti Large Hadron Collider, meskipun tidak untuk semua beban kerja AI. Para peneliti berencana untuk memperluas algoritma yang dapat diterapkan dan mengoptimalkan kecepatan perangkat keras kuantum. Sistem dengan 60 qubit logis tampaknya dapat dicapai pada tahun 2030, menawarkan keunggulan awal untuk pemrosesan AI data besar.

Artikel Terkait

Quantum computers face significant challenges from errors that limit their usefulness, but recent breakthroughs in error correction are offering hope. Innovations involve creating logical qubits from fewer physical ones and enhancing reliability through entanglement and additional protections. Experts describe this as an exciting time where theory and practice are converging.

Dilaporkan oleh AI

Researchers have reduced the quantum computing power required to break the widely used RSA encryption algorithm by a factor of ten, to about 100,000 qubits. This advancement builds on prior work and highlights growing vulnerabilities in current security systems. However, significant engineering challenges persist in building such machines.

Scientists in Australia have developed the largest quantum simulator to date, using 15,000 qubits to model exotic quantum materials. This device, known as Quantum Twins, could help optimize superconductors and other advanced substances. Built by embedding phosphorus atoms in silicon chips, it offers unprecedented control over electron properties.

Dilaporkan oleh AI

Scientists have identified a method to create multiple copies of quantum information by encrypting them with a one-time decryption key, sidestepping the no-cloning theorem. This approach, developed by Achim Kempf and colleagues at the University of Waterloo, was tested on an IBM quantum processor. The technique could enhance redundancy in quantum computing and storage systems.

Building on 2026 qubit reductions like Iceberg Quantum's qLDPC breakthrough, recent studies project quantum computers cracking RSA-2048 and ECDLP-256 by 2029. Google and cybersecurity experts warn of imminent Q-Day, pushing post-quantum cryptography to avert a crisis worse than Y2K, with businesses ramping up quantum-safe migrations.

Situs web ini menggunakan cookie

Kami menggunakan cookie untuk analisis guna meningkatkan situs kami. Baca kebijakan privasi kami untuk informasi lebih lanjut.
Tolak