Progressi nell’apprendimento automatico classico e l’emergere dell’apprendimento automatico quantistico

L’apprendimento automatico (ML) classico, un sottoinsieme dell’intelligenza artificiale, è evoluto significativamente dalla sua nascita negli anni ’60. Dall’iniziale riconoscimento di modelli semplici all’attuale utilizzo di enormi dataset per l’addestramento e la generazione di previsioni altamente accurate, l’ML si è dimostrato uno strumento potente in vari settori. Tuttavia, la crescita esponenziale dei dati ha messo in svantaggio i computer classici, poiché si prevede che i sistemi quantistici gestiranno tali scale massicce in modo più efficiente in futuro. Ciò ha portato allo sviluppo dell’apprendimento automatico quantistico (QML), che è destinato a portare significativi progressi nell’ML.

IonQ: un leader nella ricerca sull’apprendimento automatico quantistico

Tra le aziende che esplorano il QML, IonQ si distingue per il suo solido background nell’apprendimento automatico e il suo ottimismo sul futuro di questa tecnologia.

Il CEO di IonQ, Peter Chapman, ha una ricca esperienza nell’ML, avendo svolto un ruolo cruciale nello sviluppo di un pionieristico sistema di riconoscimento dei caratteri presso Kurzweil Technologies. Questo sistema è stato in seguito utilizzato per costruire una completa biblioteca digitale per non vedenti e ipovedenti.

Chapman è fiducioso sul potenziale del QML, ritenendo che sarà in definitiva tanto significativo quanto i grandi modelli linguistici utilizzati dai sistemi di intelligenza artificiale generativa come ChatGPT di OpenAI.

IonQ ha integrato il QML nel suo roadmap di prodotti quantistici a lungo termine e collabora con aziende leader nel campo dell’IA e dell’apprendimento automatico, come Amazon, Dell, Microsoft e NVIDIA.

Qualità e quantità: l’attenzione di IonQ sui computer quantistici

Il focus principale di IonQ non è solo sulla quantità di qubit, ma anche sulla qualità dei qubit e su come operano come sistema. Questa qualità, nota anche come fedeltà dei qubit, è fondamentale per completare in modo efficiente i calcoli quantistici. IonQ misura la fedeltà dei qubit utilizzando un benchmark orientato alle applicazioni chiamato qubit algoritmici o #AQ.

I computer quantistici di IonQ: Harmony, Aria e Forte

IonQ ha sviluppato diversi computer quantistici, tra cui IonQ Harmony, IonQ Aria e il suo ultimo modello, IonQ Forte. IonQ Harmony, il primo computer quantistico commerciale, è dinamicamente riconfigurabile e può utilizzare fino a 11 qubit con un #AQ di 9. È un ottimo processore per piccoli lavori dimostrativi e compatibile con la maggior parte degli SDK quantistici.

IonQ Aria, la quinta generazione di macchine quantistiche, ha un numero di qubit più elevato e alte fedeltà di gate, consentendo il calcolo per problemi più complessi. Il suo #AQ di 25 significa meno rumore nel sistema quantistico, portando a meno iterazioni e a significativi risparmi di tempo e costi.

IonQ Forte, l’ultimo computer quantistico, vanta una flessibilità, precisione e prestazioni migliorate. È dotato di deflettori acusto-ottici (AOD) altamente specializzati per dirigere i fasci laser sui singoli qubit nella catena ionica, consentendo gate logici tra i qubit. Con una capacità fino a 32 qubit e ulteriore espandibilità a livello software, Forte ha dimostrato un record di #AQ di 29, mettendolo sette mesi avanti rispetto al prossimo importante traguardo tecnico di IonQ di 35 AQ.

Apprendimento automatico quantistico: il futuro dell’apprendimento automatico

L’apprendimento automatico quantistico è ancora in una fase iniziale, ma ha il potenziale per rivoluzionare l’apprendimento automatico classico fornendo un addestramento più veloce, una maggiore accuratezza e aprendo la strada a nuovi e ancora più potenti algoritmi. Sebbene il calcolo quantistico sia ancora eseguito da prototipi di fase intermedia, ha il potenziale per risolvere problemi ben oltre la capacità dei supercalcolatori classici. Nel frattempo, versioni scalate di modelli ML classici sono già utilizzate in vari settori per applicazioni che vanno dalle raccomandazioni personalizzate alle diagnosi sanitarie critiche.

Il QML utilizza la sovrapposizione quantistica e l’entanglement per sviluppare nuovi algoritmi di apprendimento automatico, consentendo agli sviluppatori di creare algoritmi per risolvere problemi che sono intrattabili utilizzando computer classici. Nonostante le sue sfide, come la suscettibilità agli errori causati dal rumore ambientale e dalla decoerenza dovuta alle limitazioni dell’hardware prototipale, il QML ha dimostrato prestazioni superiori rispetto a molti omologhi ML classici in vari progetti di ricerca.

Intelligenza artificiale quantistica: la prossima frontiera

L’intelligenza artificiale quantistica è ancora più nuova del QML, con IonQ che ha iniziato a esplorarla circa un anno fa. La ricerca ha dimostrato che il processo decisionale umano…

In sintesi, IonQ sta facendo progressi significativi nell’utilizzo del calcolo quantistico per potenziare le capacità dell’intelligenza artificiale, in particolare nell’apprendimento automatico quantistico. Tuttavia, l’adozione su larga scala di questa tecnologia è ancora limitata a causa delle sfide tecnologiche e della maturità relativamente iniziale dei sistemi quantistici. IonQ sta lavorando per superare queste sfide e portare il QML e l’intelligenza artificiale quantistica a un livello di maturità tale da poter essere ampiamente adottati in vari settori.

Gli Analisti Morgan Stanley Joseph Moore

“Stanno continuando a esplorare casi d’uso per i LLM quantistici e, sebbene questo lavoro sia nelle fasi iniziali, sperano di avere qualcosa di più tangibile da annunciare nel prossimo anno o giù di lì”,

Morgan Stanley Joseph Moore

Sebbene Morgan Stanley rimanga entusiasta delle prospettive del quantum computing in relazione ai casi d’uso dell’IA, potrebbe essere troppo presto perché tali sforzi siano redditizi.

“Siamo entusiasti dell’opportunità a lungo termine nel campo della tecnologia quantistica, sullo sfondo di grandi aumenti di spesa in aree in cui la tecnologia quantistica sembra ben posizionata per affrontare (AI, scoperta di farmaci, simulazione)”,

“Tuttavia, a breve termine, il mercato dell’hardware quantistico è oggi piuttosto nascente, con la maggior parte delle grandi aziende tecnologiche che investono nello spazio, contemplando la prontezza della tecnologia che è lontana almeno diversi anni”

Morgan Stanley Joseph Moore

.

Sebbene IonQ voglia rendere disponibile l’informatica quantistica a un vasto mercato, non si sa ancora quando ciò potrà concretizzarsi.

Tuttavia, IonQ ha aumentato il numero dei suoi clienti e “si sta rapidamente avvicinando ai 100 milioni di dollari di prenotazioni annuali”. Ha anche recentemente avviato una nuova partnership con la Marina Militare degli Stati Uniti, utilizzando i sistemi informatici di IonQ per studiare la corrosione.