Cambridge Quantum Computing Mempelopori Kaedah Pembelajaran Mesin Kuantum untuk Penaakulan

- Penaakulan berbantu kuantum adalah berdasarkan maklumat separa menunjukkan kecerdasan mesin kuantum yang tepat, fleksibel dan berkesan

CAMBRIDGE, England, 30 Mac 2021 /PRNewswire/ -- Para saintis di Cambridge Quantum Computing (CQC) telah membangunkan kaedah dan menunjukkan bahawa mesin kuantum boleh belajar untuk menyimpulkan maklumat tersembunyi daripada model penaakulan berkebarangkalian yang sangat umum. Kaedah ini boleh meningkatkan pelbagai aplikasi yang menjadikan penaakulan dalam sistem yang kompleks dan ketidakpastian kuantiti adalah penting. Contoh-contoh adalah merangkumi diagnosis perubatan, pengesanan kerosakan dalam mesin misi kritikal atau ramalan kewangan untuk pengurusan pelaburan.

Dalam laporan ini yang telah diterbitkan pada arXiv repositori pra-cetakan, para penyelidik CQC mendapati bahawa komputer kuantum boleh belajar untuk menangani ketidakpastian yang menjadi kebiasaan dalam senario dunia nyata dan manusia sering boleh mengendalikannya dengan cara yang intuitif. Pasukan penyelidikan telah diketuai oleh Dr. Marcello Benedetti dengan penulis bersama iaitu Brian Coyle, Dr. Michael Lubasch dan Dr. Matthias Rosenkranz serta merupakan sebahagian daripada bahagian Pembelajaran Mesin Kuantum CQC yang diketuai oleh Dr. Mattia Fiorentini.

Laporan ini melaksanakan tiga bukti prinsip pada simulator dan pada komputer kuantum IBM Q untuk menunjukkan penaakulan berbantu kuantum pada:

• kesimpulan tentang contoh rawak daripada rangkaian Bayesian buku teks
• menyimpulkan pertukaran rejim pasaran dalam model Markov tersembunyi dari siri masa kewangan tersimulasi
• tugas diagnosis perubatan yang dikenali sebagai masalah "kanser paru-paru".

Bukti prinsipnya mencadangkan bahawa mesin kuantum menggunakan model inferens yang sangat ekspresif membolehkan aplikasi baharu dalam pelbagai bidang. Laporan ini menunjukkan fakta bahawa persampelan daripada pengagihan yang kompleks dianggap sebagai antara cara yang paling menjamin tentang kelebihan kuantum dalam pembelajaran mesin dengan peranti kuantum yang bising pada masa kini. Usaha perintis ini menunjukkan bagaimana pengkomputeran kuantum merupakan kaedah yang berkesan untuk mengkaji soalan-soalan sains yang paling mencabar seperti emulasi penaakulan manusia walaupun ia masih pada peringkat awal.

Para saintis pembelajaran mesin di seluruh industri serta pembangun perisian dan perkakasan kuantum merupakan kumpulan penyelidik yang perlu mendapat manfaat yang paling banyak daripada pembangunan ini dalam masa terdekat.

Artikel Medium ini menyertai laporan saintifik dan menyediakan penjelasan terperinci yang boleh diakses tentang prinsip di sebalik usaha perintis ini serta penerangan tentang bukti prinsip yang dilaksanakan oleh pasukan.

Dengan peranti kuantum yang ditetapkan untuk dipertingkatkan pada tahun-tahun akan datang, penyelidikan ini meletakkan asas bagi pengkomputeran kuantum yang akan digunakan bagi penaakulan berkebarangkalian dan penggunaan langsung dalam masalah kejuruteraan dan berkaitan perniagaan.

Dalam video ini, Dr. Mattia Fiorentini, Ketua bahagian Pembelajaran Mesin Kuantum kami memberikan pandangan terperinci tentang hasil projek dan implikasinya.

Tentang Cambridge Quantum Computing 

Ditubuhkan pada tahun 2014 dan disokong oleh beberapa syarikat pengkomputeran kuantum terkemuka di dunia, CQC merupakan peneraju global dalam perisian kuantum dan algoritma kuantum yang membolehkan pelanggan mendapatkan sebanyak-banyak manfaat daripada perkakasan pengkomputeran kuantum yang sedang berkembang pesat. CQC mempunyai pejabat di UK, AS dan Jepun. Untuk maklumat lanjut, sila lawati CQC di http://www.cambridgequantum.com dan pada LinkedIn. Akses ke modul Python tket pada GitHub.