Data science

อัลกอริธึมควอนตัมของเคมบริดจ์แก้ปัญหาการเพิ่มประสิทธิภาพได้รวดเร็วกว่าอย่างเห็นได้ชัด มีประสิทธิภาพเหนือกว่าวิธีการควอนตัมที่มีอยู่

อัลกอริธึมการเพิ่มประสิทธิภาพ combinatorial ใหม่กำหนดมาตรฐานการคำนวณควอนตัมใหม่ที่เป็นหัวใจของเศรษฐกิจสมัยใหม่ ในการพัฒนาที่น่าจะกำหนดมาตรฐานอุตสาหกรรมใหม่ นักวิทยาศาสตร์ที่ Cambridge Quantum (CQ) ได้พัฒนาอัลกอริทึมใหม่สำหรับการแก้ปัญหาการเพิ่มประสิทธิภาพแบบผสมผสานที่ แพร่หลายในธุรกิจและอุตสาหกรรม เช่น พนักงานขายที่เดินทาง การกำหนดเส้นทางยานพาหนะ หรือการจัดตารางงาน โดยใช้คอมพิวเตอร์ควอนตัมในระยะเวลาอันใกล้ ปริศนาทางคณิตศาสตร์เช่นนี้เป็นหัวใจสำคัญของความท้าทายในการปรับให้เหมาะสมในโลกแห่งความเป็นจริงมากมาย เช่น การออกแบบกระบวนการผลิต การบรรจุรถบรรทุกส่งของ หรือการกำหนดเส้นทางเครื่องบินโดยสาร เนื่องจากระดับของระบบอัตโนมัติในธุรกิจระดับโลกสมัยใหม่เพิ่มขึ้นทุกปี อัลกอริธึมการเพิ่มประสิทธิภาพที่ทำงานบนคอมพิวเตอร์แบบคลาสสิกที่ทรงพลังที่สุดจึงถูกบังคับให้แลกเปลี่ยนความแม่นยำเพื่อความเร็ว ในบทความนี้ที่ตีพิมพ์ใน arXiv ที่เก็บก่อนการพิมพ์ นักวิทยาศาสตร์ของ CQ ได้แนะนำ Filtering Variational Quantum Eigensolver (F-VQE) เพื่อทำให้การเพิ่มประสิทธิภาพแบบรวมมีประสิทธิภาพมากขึ้น การใช้คอมพิวเตอร์ควอนตัมรุ่น H1 ของระบบ Honeywell วิธีการใหม่นี้มีประสิทธิภาพเหนือกว่าอัลกอริธึม “มาตรฐานทองคำ” ที่มีอยู่ เช่น อัลกอริธึมการประมาณการควอนตัมโดยประมาณ (QAOA) และ VQE ดั้งเดิม ทำให้เกิดโซลูชันที่ดี ถึง 100 เท่าเร็วขึ้น บทความนี้เขียนขึ้นโดยทีมวิจัยของ CQ ซึ่งประกอบด้วย Michael Lubasch, Ph.D., David Amaro, Ph.D., Carlo Modica, Ph.D., Matthias Rosenkranz, Ph.D. และ Marcello Benedetti, Ph.D. นักวิทยาศาสตร์เป็นส่วนหนึ่งของทีม Machine Learning และ Quantum Algorithms ของ CQ ที่นำโดย Dr. Mattia Fiorentini F-VQE ใช้ประโยชน์จากวิธีการที่เผยแพร่ในบทความนี้โดย CQ ในเดือนกันยายน 23 ซึ่งแสดงให้เห็นว่าวงจรควอนตัมสามารถย่อยสลายเป็นวงจรขนาดเล็กลงได้อย่างไรและใช้ qubits น้อยลงโดยไม่สูญเสียข้อได้เปรียบของควอนตัม ด้วยเหตุนี้ ปัญหา 23 -qubit ได้รับการแก้ไขโดยใช้ฮาร์ดแวร์ qubits สูงสุด 6 รายการในแต่ละครั้ง นักวิทยาศาสตร์ของ CQ ยังแสดงให้เห็นว่าแนวทางใหม่นี้สามารถปรับให้เข้ากับเครื่องจักรในยุคควอนตัมระดับกลาง (NISQ) ที่มีเสียงดังได้เป็นอย่างมาก ความก้าวหน้าเหล่านี้ช่วยเพิ่มขนาดของปัญหาการปรับให้เหมาะสมซึ่งอยู่ในขอบเขตของคอมพิวเตอร์ NISQ ในปัจจุบัน “นักวิทยาศาสตร์ของเรากำลังฝึกฝนวิธีการต่างๆ ที่ใช้ได้สำหรับคอมพิวเตอร์ควอนตัมในปัจจุบัน เราต้องการให้องค์กรและรัฐบาลบรรลุความได้เปรียบด้านควอนตัมสำหรับงานทั่วไปได้รวดเร็วยิ่งขึ้น และประสบการณ์ของเราในการทำงานร่วมกับพันธมิตรทางอุตสาหกรรมขนาดใหญ่ช่วยให้เข้าใจความต้องการของผู้ปฏิบัติงานอย่างลึกซึ้งในทุกวันนี้” ฟิออเรนตินี่ กล่าว “F-VQE มีข้อได้เปรียบที่แตกต่างจากอัลกอริธึมควอนตัมก่อนหน้านี้: พบโซลูชันตัวเลือกที่ดีได้เร็วกว่าและใช้ฮาร์ดแวร์ควอนตัมอย่างมีประสิทธิภาพมากขึ้น F-VQE อาจส่งผลกระทบในเชิงการเปลี่ยนแปลง ซึ่งช่วยแก้ปัญหาที่ยากจะแก้ไขได้ก่อนหน้านี้ในธุรกิจและอุตสาหกรรม” Ilyas Khan ซีอีโอของ CQ กล่าวว่า “ทีมนักวิทยาศาสตร์ของเรามุ่งเน้นอย่างไม่ลดละในการปิดช่องว่างระหว่างขีดจำกัดของการคำนวณแบบคลาสสิกในโลกแห่งความเป็นจริงและความได้เปรียบด้านควอนตัมที่จะมีอยู่ในยุค NISQ” “พวกเขากำลังสร้างมาตรฐานใหม่ในการคำนวณควอนตัม และการวิจัยของพวกเขาจะสร้างแรงบันดาลใจให้ก้าวหน้าต่อไปอย่างรวดเร็ว” ลงทะเบียนเพื่อรับจดหมายข่าว InsideBIGDATA ฟรี เข้าร่วมกับเราบน Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button