Redes neurais convulsionais em execução em computadores quânticos geraram um burburinho significativo pelo seu potencial de analisar dados quânticos melhor do que os computadores clássicos. Embora um problema de capacidade de resolução fundamental conhecido como “planaltos estéreis” tenha limitado a aplicação dessas redes neurais para grandes conjuntos de dados, uma nova pesquisa supera esse calcanhar de Aquiles com uma prova rigorosa que garante escalabilidade.
Como metodologia de inteligência artificial (IA), as redes neurais convulsionais quânticas são inspiradas no córtex visual. Como tal, eles envolvem uma série de camadas convulsionais, ou filtros, intercaladas com camadas de pool que reduzem a dimensão dos dados enquanto mantêm características importantes de um conjunto de dados.
Essas redes neurais podem ser usadas para resolver uma série de problemas, desde o reconhecimento de imagens até a descoberta de materiais. Superar platôs estéreis é a chave para extrair todo o potencial dos computadores quânticos em aplicações de IA e demonstrar sua superioridade sobre os computadores clássicos.
Até agora, disse Cerezo, os pesquisadores em aprendizado de máquina quântica analisaram como mitigar os efeitos dos planaltos estéreis, mas careciam de uma base teórica para evitá-lo completamente.
O trabalho de Los Alamos mostra como algumas redes neurais quânticas são, de fato, imunes a planaltos áridos.
“Com esta garantia em mãos, os pesquisadores agora serão capazes de vasculhar dados de computador quântico sobre sistemas quânticos e usar essas informações para estudar propriedades de materiais ou descobrir novos materiais, entre outras aplicações”, disse Patrick Coles, físico quântico de Los Alamos e co-autor do artigo.
“Com esta garantia em mãos, os pesquisadores agora serão capazes de vasculhar dados de computador quântico sobre sistemas quânticos e usar essas informações para estudar propriedades de materiais ou descobrir novos materiais, entre outras aplicações”, disse Patrick Coles, físico quântico de Los Alamos e co-autor do artigo.
Muitos mais aplicativos para algoritmos de IA quântica surgirão, pensa Coles, à medida que os pesquisadores usam computadores quânticos de curto prazo com mais frequência e geram mais e mais dados - todos os programas de aprendizado de máquina são famintos por dados.
https://www.eurekalert.org/news-releases/931927
Consultado a: 23\10\2021
Sem comentários:
Enviar um comentário
Comente de forma construtiva...
Nota: só um membro deste blogue pode publicar um comentário.