Un salto quantico nell’intelligenza artificiale: IonQ mira a creare modelli di apprendimento automatico quantistico al livello dell’intelligenza umana generale

Trappola miniaturizzata "mazzo di carte" di IonQ Aria e pacchetto con camera a vuoto.

Il machine learning (ML) classico è un potente sottoinsieme dell’intelligenza artificiale. L'apprendimento automatico è passato dal semplice riconoscimento di modelli negli anni '60 all'uso avanzato di oggi di enormi set di dati per l'addestramento e la generazione di previsioni altamente accurate.

Nel frattempo, tra il 2010 e il 2020, l’utilizzo globale dei dati è aumentato da 1,2 trilioni di gigabyte a quasi 60 trilioni di gigabyte. Ad un certo punto, i sistemi quantistici gestiranno più facilmente la continua crescita esponenziale dei dati rispetto ai computer classici, che potrebbero avere difficoltà a tenere il passo. In teoria, in un futuro non troppo lontano, solo i computer quantistici potranno gestire una scala e una complessità così enormi. Applicando questa stessa intuizione al regno del machine learning, è logico che, a un certo punto, le vere scoperte arriveranno dall’apprendimento automatico quantistico (QML) piuttosto che dagli approcci classici.

IonQ

Roadmap IonQ per applicazioni e Algorithmic Qubits (AQ)

Sebbene altre società di calcolo quantistico stiano esplorando il QML, ci sono diversi motivi per cui mi sono concentrato sulla ricerca QML avanzata condotta presso IonQ ($IONQ).

Uno, il CEO di IonQ, Peter Chapman, ha un ricco background nell'apprendimento automatico quando ha lavorato con Ray Kurzweil presso Kurzweil Technologies. Chapman ha svolto un ruolo cruciale nello sviluppo di un sistema pionieristico di riconoscimento dei caratteri che generava caratteri di testo da immagini scansionate. Urzweil Technologies ha infine utilizzato questo approccio per costruire una biblioteca digitale completa per non vedenti e ipovedenti.

In secondo luogo, Chapman è ottimista riguardo al futuro del QML. Crede che il QML alla fine sarà significativo quanto i grandi modelli linguistici utilizzati dal ChatGPT di OpenAI e da altri sistemi di intelligenza artificiale generativa. Per questo motivo, QML è integrato nella roadmap dei prodotti quantistici a lungo termine di IonQ.

E tre, IonQ collabora con aziende leader nel campo dell'intelligenza artificiale e dell'apprendimento automatico, come Amazon, Dell, Microsoft e NVIDIA. Queste partnership combinano l'esperienza di IonQ nella tecnologia quantistica con la conoscenza dell'intelligenza artificiale dei propri partner.

Hardware IonQ e #AQ

L'attenzione principale di IonQ non è solo sulla quantità di qubit ma, in modo più completo, sulla qualità dei qubit e sul modo in cui funzionano come sistema. Questa qualità, chiamata anche fedeltà dei qubit, è un elemento di differenziazione fondamentale per completare in modo efficiente i calcoli quantistici, che IonQ misura con un benchmark orientato all'applicazione chiamato qubit algoritmici o #AQ.

#AQ si basa sul lavoro avviato dal Quantum Economic Development Consortium, un gruppo industriale indipendente che valuta l’utilità dei computer quantistici in contesti del mondo reale. Ecco come viene calcolato #AQ.

Processori quantistici IonQ

IonQ ha creato tre computer quantistici a ioni intrappolati: IonQ Harmony, IonQ Aria e il suo ultimo modello, un computer quantistico definito dal software chiamato IonQ Forte.

Ci sono due Arie online. Secondo Chapman, la seconda macchina Aria era necessaria per gestire la crescente domanda dei clienti e per migliorare la ridondanza, la capacità e la velocità di elaborazione degli ordini dell'azienda.

Inoltre, IonQ sta lavorando duramente per rendere IonQ Forte disponibile in commercio

IonQ Aria e IonQ Harmony sono accessibili tramite cloud tramite Google, Amazon Braket, Microsoft Azure e IonQ Quantum Cloud. Secondo l'azienda, l'accesso al cloud per IonQ Forte sarà annunciato in seguito. Diamo uno sguardo più approfondito ai diversi computer quantistici che IonQ ha costruito:

Forte ha recentemente dimostrato un record di 29 AQ, che lo pone sette mesi avantiObiettivo originale di QA di IonQ per il 2023.

Nota: il prossimo importante traguardo tecnico di IonQ sarà il raggiungimento di 35 AQ. Al livello 35 AQ, l’utilizzo dell’hardware classico per simulare algoritmi quantistici può diventare molto impegnativo e costoso. A quel punto, IonQ ritiene che sarà più semplice e meno costoso per alcuni clienti eseguire modelli su macchine quantistiche reali piuttosto che tentare di simularle in modo classico.