量子算法可以突破生成式人工智能的瓶颈

Josiah02

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人工智能 (AI) 的创建和使用。
这篇论文题为《量子计算机上连续势的吉布斯采样》，由 IQC 成员、物理和天文学系教授 Pooya Ronagh 和 IQC 校友、加拿大量子计算公司 Xanadu 研究员 Arsalan Motamedi 共同撰写，探讨了量子算法如何缓解生成式人工智能的瓶颈。
该论文发表在《机器学习研究文集》上。
罗纳表示，他的工作重点是量子科学与人工智能的交叉领域，以及量子计算是否能够像人工智能和机器学习科学家一样加速模仿现实世界的模式和现象。
“我们发现，这种方法确实可以解决问题，但对于计算机视觉和语音等典型的生成式人工智能问题则不然，”罗纳说，“我们发现，对于具有周期性模式的问题，例如分析分子动力学，这种方法的加速效果更为显著。”
蛋白质等大分子的功能取决于它们如何折叠成特定的三维结构，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。目前最先进的技术使用生成式人工智能来增强这一过程。
罗纳表示，尽管分子动力学模拟通常忽略量子力学效应，但由于分子键角具有周期性，量子力学效应可以从量子计算解决方案中获益。凝聚态物理学和量子场论中还存在许多其他具有此类周期性结构的问题。
罗纳格说，量子计算机最显著的威力之一就是密码学。肖尔算法利用因式分解问题背后的周期性破解了 RSA 加密，这一点非常著名。但他澄清说，这本身并不是一个实际用例，而是量子算法独特能力的展示。量子计算具有真正的潜力，而不仅仅是对信息安全的威胁。
“黑客攻击是一个可怕的隐含因素，它促使我们迫切需要改变加密协议，也促使我们好奇量子计算机是否可制造，”他说。“但是，相反，我们可以渴望更好地模拟分子，从而开发出更优质的材料和救命的药物。这有可能成为量子计算机在我们日常生活中非常具有经济价值的应用。”
他说，探索量子计算的应用不仅仅是幻想量子技术未来的影响。
“我认为找到有用的量子算法非常重要。它们可以告诉我们更多关于我们想要在试图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，并更好地规划构建它的大规模工程，”罗纳说。