3,050 文字
私の新しいトレンドに関するビデオは常にうまくいきません。それはおそらく、あまり話題になっていないものは興味深く思えないからでしょう。しかし、後になって「ほら、私は何年も前からこれについて話していた」と言えることは私をとても誇らしく思わせます。今日のビデオはそのタイプのものです。現在比較的知られていない量子コンピューティングへのアプローチで、まだあまり進展していないものが、人工知能のおかげで非常に速く前進する可能性がある理由を説明したいと思います。
人工知能と量子コンピューティングは、現在最も刺激的な二つの技術開発です。以前、私たちはこれらが競合していること、そしてAIが今のところ勝っていることについて議論しました。しかし過去1年間、私たちは別のトレンド、つまりAIを使って量子コンピュータを機能させるというトレンドを見てきました。
これは最近、「光ピンセットの中の原子」というアプローチに適用され、顕著な成功を収めています。量子コンピューティングは次の産業革命やコンピューティングの未来として喧伝されてきました。がんの治療から気候変動の修正、エルビス・プレスリーの復活まで何でもできるとされる技術です。
最後のは私の作り話ですが、物事の進み方を見ると、それが来週の見出しになっても驚きません。しかし、確かなのは、量子コンピュータは金融最適化に必要な計算を大幅に高速化できるということです。つまり、株式市場でお金を稼ぐことができるのです。大量のお金を。そして、それが量子コンピューティングへの関心の多くを説明していると思います。
ウェルズ・ファーゴ、シティグループ、HSBCが量子コンピューティングに投資しているのは偶然ではありません。バンク・オブ・アメリカのハイム・イスラエルが熱狂的に「量子コンピューティングは『火よりも大きな』ものになるだろう」と宣言したのも。それはがんを治療したり気候変動を修正したりしたいからではありません。シュレーディンガーの猫が金で作られるとより興味深くなるからです。
量子コンピューティングの問題は、現在のデバイスが商業的に関連のある計算を行うために必要なサイズからはるかに離れていることです。そして問題は単に大きくすることではなく、エラーの数を抑えながら大きくすることです。少なくとも、これまではそうでした。
しかし人工知能は今や非常に優れるようになり、エラーを制御することを学んでいます。エラー修正にAIを使用する最近の印象的な例の一つは、Google AIグループからのものです。彼らはサイカモアチップ（超伝導量子ビット）からのデータでAIを訓練し、アクティブフィードバックにAIを使ってエラー率を減少させました。
ここで赤い曲線に新しいアルゴリズムの結果が見えます。それらは著しく優れています。彼らはそのシステムを「AlphaQubit」と呼び、他の既知のアルゴリズムよりも優れていることを実証しました。
「著しい」というとき、私は大きな違いではなく、測定可能な違いを意味しています。しかし、以前のモデルよりもトレーニングセットを超えて長い計算にうまく一般化するため、これは量子コンピュータの拡張に役立つでしょう。
個人的には、Googleが使用している超伝導量子ビットが商業的に関連のある量子コンピュータをもたらすとは思っていません。しかし、別の最近の開発が私たちをそこに導くかもしれません。それは「光ピンセットの中の原子」または「中性原子アレイ」と呼ばれるアプローチを使用した量子コンピュータの構築からきています。これについては以前にも話しました。量子コンピューティングで最も速く発展している新参者の一つだからです。
このために、電磁場を使用して原子をアレイに閉じ込め、このような罠のレーザーでそれらを絡み合わせます。これの良い点は、原子が小さいため、多くを近接してパックできることです。そのため、このアプローチは非常に速くスケールする可能性があります。
量子コンピューティングの専門家たちの最近の調査では、彼らは中性原子を「量子コンピューティングの実用的なアプリケーションを達成するために最も有望」なアプローチとして評価しました。ただし、この調査は中性原子を扱う企業によって行われたものなので、この情報は少し割り引いて考えてください。
中性原子の問題の一つは、秩序立った方法でアレイに原子を埋め込む必要があることです。この新しい論文では、原子の位置を読み取り、それらを所定の位置に移動する方法をAIに学習させました。これは見事に機能しました。この驚くべき原子トモグラフィー画像では、各点が原子です。
2000以上の原子が、ほぼ完璧なアレイに配置されています。それぞれが量子ビットとして機能する可能性があります。比較のために、現在最大の量子コンピュータはIBMのもので、約1000量子ビットを持っています。
しかし、まだ光ピンセットの中のこれらの原子で実際に計算を行ったわけではないということを明確にしておきます。しかし、この方法は急速に追いついてきており、すぐにこれについてもっと耳にすることになると思います。
これは量子コンピュータのスケーリングを容易にするという実用的な目的のためだけでなく、興味深いものです。また、これは研究の観点からも興味深いと思います。なぜなら、暗黙のうちに量子力学がどれほどランダムであるかをテストしているからです。
現在、物理学者たちは量子力学には還元できないランダム要素があると考えています。しかし、もしそうでなければどうでしょう。そうすると、AIは理論的に可能であるはずよりもエラーの除去にもっと優れるようになるかもしれません。それは興味深いことではないでしょうか。
人工知能は本当に今日ではどこにでもあります。ニューラルネットワークや大規模言語モデルがどのように機能するかについてもっと学びたい場合は、Brilliantのコースをチェックすることをお勧めします。
Brilliantのすべてのコースには、インタラクティブな視覚化とフォローアップの質問が付いています。ここで見ているのは、彼らが最近リリースしたデータサイエンスコースからのものです。それらはすべて、Xでバイラルになることの意味など、実世界の例を使用しています。Brilliantは科学、コンピュータサイエンス、数学の幅広いトピックをカバーしています。一般的な科学的思考から、代数や大規模言語モデルに特化したコースまで。まさに私が興味を持っていることです。そして彼らは毎月新しいコースを追加しています。
私はBrilliantで自分自身のコースも持っています。それは量子力学への入門です。波動関数とは何か、重ね合わせとエンタングルメントの違いは何かを理解するのに役立ちます。また、干渉、不確定性原理、ベルの定理についても扱っています。そして、その後、量子コンピューティングや微分方程式のコースに進むこともできます。
もちろん、このチャンネルの視聴者のために特別なオファーがあります。brilliant.org/sabineというリンクを使用するか、QRコードをスキャンすると、Brilliantが提供するすべてを30日間試すことができ、年間プレミアムサブスクリプションが20%オフになります。ぜひこれをチェックしてみてください。視聴いただきありがとうございました。また明日お会いしましょう。
コメント