В чем заключается прорыв Google DeepMind в области ИИ, рассказала автор канала «Anastasi In Tech» Анастасия Носова.
Квантовые компьютеры способны решать самые важные вычислительные задачи всего за несколько часов или даже секунд – задачи, на которые у обычных компьютеров ушли бы миллиарды лет. Однако, в отличие от классических компьютеров, квантовые компьютеры чрезвычайно чувствительны к шумам (внешним помехам). Именно поэтому вокруг них строят огромные системы, чтобы обеспечить охлаждение. Даже малейшие помехи, такие как тепло, вибрация или шум, могут сбить расчеты, что часто приводит к ошибкам в квантовых вычислениях. Это делает результаты ненадежными и непригодными для использования.
Для решения проблемы в современных квантовых вычислениях используются различные методы исправления ошибок. Дэвид Дойч, один из самых авторитетных ученых в этой области, однажды сказал: «Без исправления ошибок вся обработка информации, а значит, и создание знаний, неизбежно ограничены. Исправление ошибок – это начало бесконечности». Один из самых популярных методов исправления ошибок называется поверхностным кодом. Этот метод использует несколько физических кубитов – квантовых битов – для кодирования значения одного логического кубита, которое затем используется для обнаружения и исправления ошибок. Этот метод популярен среди таких технологических гигантов, как Google и IBM.
Проблема, однако, в том, что даже при таком подходе современные квантовые компьютеры все равно допускают примерно одну ошибку на тысячу операций. Чтобы создать квантовый компьютер, способный выполнять сложные и длительные вычисления, необходимо снизить этот показатель до одной ошибки на триллион операций. Ученые по-прежнему далеки от этой цели. Основная сложность заключается в процессе декодирования, поскольку шум в кубитах не подчиняется каким-либо определенным закономерностям, он меняется динамично и непредсказуемо.
Именно здесь на помощь приходит новый прорыв Google DeepMind в области ИИ – модель AlphaQubit. Как она работает? AlphaQubit – это нейронная сеть, обученная работать в качестве декодера для логических кубитов. Она обрабатывает проверки на четность, считываемые с квантового компьютера, чтобы определить, произошла ли ошибка. Эти проверки происходят по сложным схемам. Чтобы изучить общую проблему декодирования, AlphaQubit сначала обучалась на тысячах смоделированных примеров квантовых компьютеров, а затем была отлажена на экспериментальных образцах квантового компьютера Sycamore от Google, который, как известно, достиг квантового превосходства.
По сути, AlphaQubit решает одну из самых больших проблем в квантовых вычислениях: исправление ошибок. Модель используется в квантовом процессоре Sycamore от Google, чтобы определить, отклонился ли кубит от своего первоначального состояния, когда его измеряют в конце эксперимента. Если да, AlphaQubit исправляет ошибку.
По данным DeepMind, AlphaQubit превосходит все существующие декодеры в квантовой коррекции ошибок, достигая точности исправления ошибок 98,5%. Это важнейший шаг к тому, чтобы квантовые компьютеры могли выполнять более длительные и сложные вычисления, что позволит им решать важные проблемы в квантовой физике, квантовой химии и даже квантовой криптографии.
На бумаге эти результаты выглядят фантастически, но остается еще много проблем. Главная из них – это скорость. Как правило, сверхпроводящие квантовые процессоры выполняют миллионы проверок согласованности в секунду. Это означает, что данные должны попадать в декодер с такой же скоростью. К сожалению, на сегодняшний момент они все еще слишком медленные. Повышение как скорости, так и точности остается в центре внимания, чтобы снизить уровень ошибок до одной ошибки на триллион операций, что необходимо для следующего большого скачка в квантовых вычислениях.
Ладимир Семенов о рубле, ключевой ставке и геополитике
Ослабление рубля, будущее ключевой ставки и многое другое обсудили с инвестором Ладимиром Семеновым.
Делимся мнением эксперта от первого лица.
На что обращать внимание инвесторам в текущих условиях? На инфляцию, ключевую ставку и геополитика. Все остальное – шум, но, правда, и вокруг важных событий тоже очень много шума. Отделять зерна от плевел, конечно, сложно, но в этом и заключается работа.