MicroCloud Hologram a anunțat astăzi un avans major în învățarea automată cuantică, dezvoltând cu succes o Rețea Neuronală Convoluțională Cuantică (QCNN) care egalează acuratețea rețelelor neuronale clasice în sarcinile standard de recunoaștere a imaginilor. Acțiunile companiei au crescut cu 3,7% în urma anunțului, care reprezintă o piatră de hotar semnificativă în aplicațiile practice ale calculului cuantic.
Descoperirea se concentrează pe cadrul de învățare hibrid cuantic-clasic al MicroCloud aplicat la setul de date MNIST, utilizat pe scară largă, al cifrelor scrise de mână, obținând o acuratețe comparabilă cu Rețelele Neuronale Convoluționale (CNN) tradiționale, oferind în același timp potențiale avantaje în eficiența computațională. Sistemul utilizează opt qubiți pentru codificarea datelor împreună cu patru qubiți auxiliari pentru a îmbunătăți puterea expresivă a circuitului, reprezentând o cale practică pentru aplicațiile de calcul cuantic în actuala eră Noisy Intermediate-Scale Quantum (NISQ).
Inovația tehnică abordează limitările calculului clasic
Abordarea MicroCloud combină circuite cuantice pentru extragerea caracteristicilor cu optimizatori clasici pentru optimizarea funcției de pierdere, permițând circuitului cuantic să funcționeze similar straturilor clasice de rețele neuronale, beneficiind în același timp de avantajele inerente ale calculului cuantic în gestionarea datelor multidimensionale. Implementarea companiei urmează un proces în patru etape: codificarea datelor care transformă matricele de pixeli în stări cuantice, convoluția cuantică pentru extragerea caracteristicilor, pooling-ul cuantic pentru reducerea dimensionalității și o etapă de ieșire folosind funcții de activare softmax.
Conform anunțului companiei, tehnologia abordează cerințele tot mai mari de resurse computaționale ale modelelor clasice de învățare profundă, care necesită din ce în ce mai mult clustere GPU/TPU la scară largă, cu preocupări semnificative legate de cost și consum energetic. Abordarea hibridă evită dificultățile de convergență asociate cu antrenamentul pur cuantic, valorificând în același timp tehnicile mature de optimizare clasică.
Strategie mai amplă de calcul cuantic
Acest anunț urmează dezvăluirea recentă a MicroCloud privind un algoritm îmbunătățit de căutare cuantică Grover, capabil să simuleze până la 22 de qubiți pe hardware FPGA, anunțat cu doar două zile mai devreme, pe 22 octombrie. Compania s-a angajat să investească peste 400 de milioane de dolari în sectoare tehnologice de vârf, inclusiv calcul cuantic, holografie cuantică, dezvoltare blockchain, inteligență artificială și realitate augmentată.
MicroCloud sugerează că descoperirea rețelei neuronale cuantice ar putea avea aplicații în multiple industrii, inclusiv conducere autonomă, imagistică medicală, controlul riscurilor financiare și monitorizare de securitate. Momentul este deosebit de semnificativ pe măsură ce hardware-ul cuantic continuă să avanseze în era NISQ, în care computerele cuantice sunt suficient de puternice pentru anumite sarcini specializate, dar nu sunt încă pregătite pentru aplicații tolerante la erori pe scară largă.
