12 دسامبر 2024 -توسط نائومی گروسمن، دانشگاه واترلو-اعتبار: دامنه عمومی Pixabay/CC0
محققان موسسه محاسبات کوانتومی دانشگاه واترلو (IQC) دریافته‌اند که الگوریتم‌های کوانتومی می‌توانند سرعت ایجاد و استفاده از هوش مصنوعی مولد (AI) را افزایش دهند.
این مقاله با عنوان “نمونه برداری گیبس از پتانسیل های پیوسته در یک کامپیوتر کوانتومی” توسط پویا روناق، عضو IQC و استاد گروه فیزیک و نجوم، و ارسلان معتمدی، دانش آموخته IQC و محقق در شرکت کانادایی محاسبات کوانتومی Xanadu، به بررسی چگونگی کوانتوم می پردازد. الگوریتم ها می توانند تنگناها را در هوش مصنوعی مولد برطرف کنند.
این مقاله در Proceedings of Machine Learning Research منتشر شده است.
روناق می‌گوید کار او بر تلاقی علم کوانتومی و هوش مصنوعی تمرکز دارد و اینکه آیا محاسبات کوانتومی می‌تواند تقلید از الگوها و پدیده‌های دنیای واقعی را همانطور که دانشمندان هوش مصنوعی و یادگیری ماشین انجام داده‌اند، سرعت بخشد.
روناق می‌گوید: «ما دریافتیم که بله می‌تواند، اما نه برای مشکلات معمولی AI مولد در بینایی و گفتار رایانه‌ای. ما شاهد افزایش سرعت قابل توجه تری برای انواع مسائلی بودیم که دارای الگوهای دوره ای هستند، به عنوان مثال در تجزیه و تحلیل دینامیک مولکولی.”
عملکرد مولکول های بزرگ مانند پروتئین ها به نحوه تا شدن آنها به ساختارهای سه بعدی خاص بستگی دارد که جستجو و تولید این ساختارها را به یک مشکل حیاتی در فارماکولوژی تبدیل می کند. و تکنیک های مدرن فعلی از هوش مصنوعی مولد برای بهبود این فرآیند استفاده می کنند.
روناق می‌گوید اگرچه اثرات مکانیکی کوانتومی معمولاً در شبیه‌سازی‌های دینامیک مولکولی نادیده گرفته می‌شوند، اما به لطف تناوب زوایای پیوند مولکولی، می‌توانند از راه‌حل‌های محاسباتی کوانتومی بهره ببرند. بسیاری از نمونه‌های دیگر از مشکلات چنین ساختارهای تناوبی در فیزیک ماده متراکم و نظریه‌های میدان کوانتومی وجود دارد.
روناق می گوید یکی از برجسته ترین نمونه های قدرت کامپیوترهای کوانتومی در رمزنگاری است. الگوریتم Shor معروف است که از تناوب زیربنای مسئله فاکتورگیری برای شکستن رمزگذاری RSA استفاده می کند. با این حال، او توضیح می‌دهد که این به خودی خود یک مورد استفاده عملی نیست، بلکه نشان‌دهنده قابلیت‌های منحصربه‌فرد الگوریتم‌های کوانتومی است. در محاسبات کوانتومی به جای اینکه صرفاً تهدیدی برای امنیت اطلاعات باشد، پتانسیل واقعی وجود دارد.
او می‌گوید: «هک کردن یک پیامد ترسناک است که فوریت ما را برای تغییر پروتکل‌های رمزگذاری و همچنین کنجکاوی ما برای ساخت رایانه‌های کوانتومی را تحریک می‌کند. اما، در عوض، ما می‌توانیم به دنبال شبیه‌سازی بهتر مولکول‌ها باشیم که منجر به توسعه مواد برتر و داروهای نجات‌دهنده زندگی می‌شود.
او می‌گوید کاوش در کاربردهای محاسبات کوانتومی فراتر از رویاپردازی درباره تأثیرات آینده فناوری‌های کوانتومی است.
اینجاست که فکر می‌کنم یافتن الگوریتم‌های کوانتومی مفید بسیار مهم است. آنها می‌توانند در مورد انواع برنامه‌هایی که می‌خواهیم روی رایانه‌ای که می‌خواهیم بسازیم اجرا کنیم، اطلاعات بیشتری به ما بدهند، بنابراین می‌توانیم معماری کامپیوتر را با آگاهی بیشتر طراحی و بهینه کنیم و برنامه‌ریزی کنیم. رونق می‌گوید: «تعهد عظیم برای ساختن بهتر آن».
