Um salto quântico na IA: IonQ visa criar modelos quânticos de aprendizado de máquina no nível da inteligência humana geral

May 17, 2023

Armadilha de "baralho de cartas" miniaturizada do IonQ Aria e pacote de câmara de vácuo.

O aprendizado de máquina (ML) clássico é um poderoso subconjunto da inteligência artificial. O aprendizado de máquina avançou do simples reconhecimento de padrões na década de 1960 para o uso avançado atual de conjuntos de dados massivos para treinamento e geração de previsões altamente precisas.

Enquanto isso, entre 2010 e 2020, o uso global de dados aumentou de 1,2 trilhão de gigabytes para quase 60 trilhões de gigabytes. Em algum momento, os sistemas quânticos lidarão com mais facilidade com o crescimento exponencial contínuo dos dados em comparação com os computadores clássicos, que podem ter dificuldade para acompanhar. Teoricamente, em algum momento em um futuro não muito distante, apenas os computadores quânticos podem lidar com tamanha escala e complexidade. Aplicando esse mesmo insight ao domínio do ML, faz sentido que, em algum momento, os avanços reais venham do aprendizado de máquina quântica (QML), em vez de abordagens clássicas.

IonQ

Roteiro IonQ para aplicativos e Qubits algorítmicos (AQ)

Embora outras empresas de computação quântica estejam explorando o QML, há vários motivos pelos quais me concentrei na pesquisa avançada de QML sendo realizada no IonQ ($IONQ).

Um deles, o CEO da IonQ, Peter Chapman, tem uma rica experiência em aprendizado de máquina quando trabalhou com Ray Kurzweil na Kurzweil Technologies. Chapman desempenhou um papel crucial no desenvolvimento de um sistema pioneiro de reconhecimento de caracteres que gerava caracteres de texto a partir de imagens digitalizadas. A urzweil Technologies acabou usando essa abordagem para construir uma biblioteca digital abrangente para cegos e deficientes visuais.

Dois, Chapman está otimista sobre o futuro do QML. Ele acredita que o QML acabará sendo tão significativo quanto os grandes modelos de linguagem usados ​​pelo ChatGPT da OpenAI e outros sistemas generativos de IA. Por esse motivo, o QML é incorporado ao roteiro de produtos quânticos de longo prazo da IonQ.

E três, a IonQ colabora com empresas líderes no campo de IA e aprendizado de máquina, como Amazon, Dell, Microsoft e NVIDIA. Essas parcerias combinam a experiência da IonQ em tecnologia quântica com o conhecimento de IA do parceiro sobre seus parceiros.

Hardware IonQ e #AQ

O foco principal do IonQ não é apenas a quantidade de qubits, mas também a qualidade dos qubits e como eles operam como um sistema. Essa qualidade – também chamada de fidelidade qubit – é um diferenciador crítico para a conclusão eficiente de cálculos quânticos, que o IonQ mede com um benchmark orientado a aplicativos que chama de qubits algorítmicos ou #AQ.

#AQ é baseado no trabalho pioneiro do Quantum Economic Development Consortium, um grupo industrial independente que avalia a utilidade do computador quântico em configurações do mundo real. Aqui está como #AQ é calculado.

Processadores quânticos IonQ

A IonQ criou três computadores quânticos de íons presos: IonQ Harmony, IonQ Aria e seu modelo mais recente, um computador quântico definido por software chamado IonQ Forte.

Existem duas Árias online. De acordo com Chapman, a segunda máquina Aria era necessária para lidar com o aumento da demanda dos clientes e para melhorar a redundância, capacidade e velocidade de processamento de pedidos da empresa.

Além disso, a IonQ está trabalhando duro para tornar o IonQ Forte disponível comercialmente

IonQ Aria e IonQ Harmony são acessíveis em nuvem via Google, Amazon Braket, Microsoft Azure e IonQ Quantum Cloud. Segundo a empresa, o acesso à nuvem para o IonQ Forte será anunciado posteriormente. Vamos dar uma olhada mais profunda nos diferentes computadores quânticos que o IonQ construiu:

Forte demonstrou recentemente um recorde de 29 AQ, o que o coloca sete meses à frente deA meta original de AQ da IonQ para 2023.

Nota: O próximo grande marco técnico do IonQ é atingir 35 AQ. No nível 35 AQ, usar hardware clássico para simular algoritmos quânticos pode se tornar muito desafiador e caro. Nesse ponto, a IonQ acredita que será mais fácil e menos dispendioso para alguns clientes executar modelos em máquinas quânticas reais, em vez de tentar simulá-los classicamente.