量子算法可以打破生成式人工智能瓶颈
作者：University of Waterloo
滑铁卢大学量子计算研究所 (IQC) 的研究人员发现，量子算法可以加速生成式人工智能 (AI) 的创建和使用。
这篇题为“量子计算机上连续势的吉布斯采样”的论文，由 IQC 成员兼物理与天文学系教授 Pooya Ronagh 和 IQC 校友兼加拿大研究员 Arsalan Motamedi 撰写。量子计算Xanadu 公司探索如何量子算法可以缓解生成人工智能的瓶颈。
这张纸是发表在机器学习研究论文集。
罗纳说，他的工作重点是量子科学和人工智能的交叉点，以及量子计算是否可以像人工智能和机器学习科学家所做的那样，加速模仿现实世界的模式和现象。
“我们发现是的，它可以——但不适用于典型的生成人工智能问题计算机视觉罗纳说。“我们看到具有周期性模式的问题类型的速度显着加快，例如在分析分子动力学方面。”
像蛋白质这样的大分子的功能取决于它们如何折叠成特定的 3D 结构，这使得这些结构的搜索和生成成为药理学中的一个重要问题。当前最先进的技术使用生成式人工智能来增强这一过程。
罗纳说，尽管量子力学效应通常被忽视分子动力学模拟，由于分子键角的周期性，它们可以从量子计算解决方案中受益。这种周期性结构问题的许多其他例子存在于凝聚态物理和量子场论中。
罗纳说，量子计算机威力最显着的例子之一就是密码学。著名的 Shor 算法利用因子分解问题背后的周期性来破解 RSA 加密。然而，他澄清说，这本身并不是一个实际用例，而是量子算法独特功能的演示。量子计算具有真正的潜力，而不仅仅是对信息安全的威胁。
他说：“黑客攻击是一种可怕的暗示，它促使我们迫切需要改变我们的加密协议，也促使我们对量子计算机是否可以构建感到好奇。”“但是，相反，我们可以渴望更好地模拟分子，从而开发出优质材料和救生药物。这有可能成为量子计算机在我们日常生活中极具经济价值的应用。”
他说，探索量子计算的应用不仅仅是关于量子技术未来影响的白日梦。
“这就是我认为找到有用的量子算法如此重要的地方。它们可以告诉我们更多有关我们想要在我们正在尝试构建的计算机上运行的应用程序类型的信息，这样我们就可以更明智地设计和优化计算机架构，并进行规划将其建设得更好是一项艰巨的任务，”罗纳说。
更多信息：Arsalan Motamedi 和 Pooya Ronagh，量子计算机上连续势的吉布斯采样，机器学习研究论文集。诉讼程序.mlr.press/v235/motamedi24a.html
引文：量子算法可以打破生成式人工智能瓶颈（2024 年，12 月 12 日）检索日期：2024 年 12 月 12 日来自 https://techxplore.com/news/2024-12-quantum-algorithms-generative-ai-bottlenecks.html
本文档受版权保护。除了出于私人学习或研究目的的任何公平交易外，不得未经书面许可，不得复制部分内容。所提供的内容仅供参考。
关于《量子算法可以打破生成式人工智能瓶颈》的评论
暂无评论