อัลกอริธึมควอนตัมใหม่สำหรับการพับโปรตีน: ปูทางไปสู่การแก้ปัญหาความลึกลับที่ใหญ่ที่สุดในชีววิทยาด้วยคอมพิวเตอร์ควอนตัม

อัลกอริธึมควอนตัมใหม่สำหรับการพับโปรตีน: ปูทางไปสู่การแก้ปัญหาความลึกลับที่ใหญ่ที่สุดในชีววิทยาด้วยคอมพิวเตอร์ควอนตัม

jumbo jili

โปรตีนพับได้อย่างไร? นักวิจัยที่ใช้ Qiskit ได้ดำเนินการขั้นตอนแรกที่สำคัญเพื่อช่วยไขปริศนาที่สำคัญทางชีววิทยานี้ ในกระบวนการนี้ พวกเขาแสดงให้เห็นถึงศักยภาพที่สำคัญของการคำนวณควอนตัมเพื่อจัดการกับปัญหาในขอบเขตของวิทยาศาสตร์ธรรมชาติ

สล็อต

โปรตีนทำให้นักวิทยาศาสตร์งงงวยตั้งแต่อย่างน้อยช่วงปลายทศวรรษที่ 1960 สายโซ่ยาวเหล่านี้ประกอบด้วยส่วนประกอบที่เรียกว่ากรดอะมิโนมีอยู่ในสิ่งมีชีวิตทุกชนิด ซึ่งทำหน้าที่เป็นกลไกทางชีววิทยาที่ซับซ้อน หน้าที่ของพวกมันมีตั้งแต่การเร่งปฏิกิริยาภายในเซลล์ ไปจนถึงการสร้างโครงสร้างทางกายภาพของขน ผม เล็บ และกีบ ไปจนถึงทำหน้าที่เป็นมอเตอร์ในเนื้อเยื่อของกล้ามเนื้อ โปรตีนจะต้องพับเป็นรูปร่างที่ซับซ้อนเพื่อทำหน้าที่เหล่านี้ โดยถูกล็อคเข้าที่โดยการเชื่อมโยงระหว่างกรดอะมิโนแต่ละตัว โปรตีนโดยทั่วไปจะพับเป็นรูปแบบสุดท้ายภายในไมโครถึงมิลลิวินาทีของการก่อตัว และไม่มีใครรู้ว่าสิ่งนี้เกิดขึ้นได้อย่างไร
แต่งานวิจัยชิ้นใหม่นี้โดยนักวิทยาศาสตร์ในทีม IBM Quantum อาจปูทางไปสู่การไขปริศนานี้ และคุณสามารถเริ่มทดลองด้วยเครื่องมือที่ใช้ในการวิจัยนี้ได้ด้วยตัวเองโดยใช้ Qiskit ที่นี่
ทำไมการพับโปรตีนถึงแข็งจัง
หากคุณได้รับโปรตีนที่ยังไม่ได้พับ (ความยาวประมาณ 2-3 ฟุต) และคุณต้องการพับโปรตีน คุณอาจเริ่มต้นด้วยการทดสอบวิธีการพับและเชื่อมโยงกรดอะมิโนตามสายโซ่แบบต่างๆ แต่มันจะกลายเป็นที่ชัดเจนอย่างรวดเร็วว่านี่เป็นงานที่เป็นไปไม่ได้
“ถ้าคุณต้องการตรวจสอบความเป็นไปได้ทุกประการว่าโปรตีนเชื่อมโยงกันอย่างไร นี่จะเป็นปัญหาแบบทวีคูณ” Panagiotis Barkoutsos นักวิทยาศาสตร์จาก IBM Research Zurich ผู้ซึ่งทำงานในรายงานกล่าว
ด้วยการเชื่อมโยงเพิ่มเติมแต่ละอันในห่วงโซ่ ปัญหาต้องใช้งานมากขึ้นในการแก้ไขจนกว่าจะกลายเป็นเรื่องยากทางดาราศาสตร์ นักชีววิทยาระดับโมเลกุล ไซรัส เลวินธัล คิดขึ้นในปี 1969 ว่าถ้าโปรตีนใช้วิธีการสำรวจนี้ ตรวจสอบแต่ละพับที่เป็นไปได้ในร่างกายของเรา กระบวนการพับของพวกมันจะใช้เวลานานกว่าอายุทั้งหมดของจักรวาล สิ่งนี้เรียกว่า Paradox ของ Levinthal
“มันจะใช้เวลาตลอดไป” Barkoutsos กล่าวถ้าร่างกายของเราเข้าหาปัญหาโดยการสุ่มตัวอย่างแบบคลาสสิก “แต่เซลล์ของเรามีกลไกที่ช่วยให้สามารถทำได้ในไมโครถึงมิลลิวินาที ดังนั้นต้องมีบางอย่างที่ควบคุมพลวัตของกระบวนการนี้ซึ่งเราไม่เข้าใจ”
นักวิจัยได้ค้นพบภาพบางส่วนแล้ว ในฐานะนักข่าว Sarah Everts รายงานสำหรับข่าวเคมีและวิศวกรรมในปี 2560 นักวิจัยได้ค้นพบ “พี่เลี้ยง” ทางเคมีในเซลล์ที่ดูเหมือนจะช่วยในการพับโปรตีน นอกจากนี้ยังมีหลักฐานว่าพี่เลี้ยงเหล่านี้มีบทบาทในการทำงานของโปรตีนหลังจากที่พวกมันพับแล้ว แต่ภาพที่สมบูรณ์ยังไม่ปรากฏ
การค้นหาว่าโปรตีนพับและคลี่ออกอย่างรวดเร็วได้อย่างไร ย่อมต้องใช้วิธีการที่เชื่อถือได้และรวดเร็วในการสร้างแบบจำลองการพับโปรตีนบนคอมพิวเตอร์ จนถึงตอนนี้ยังไม่มีใครจัดการงานนี้ได้
แนวทางคลาสสิกที่ยากต่อการแก้ปัญหา
คอมพิวเตอร์คลาสสิกติดอยู่กับวิธีการตรวจสอบทุกเท่าที่เป็นไปได้ในการพับโปรตีน นั่นหมายความว่า Levinthal’s Paradox มีผลบังคับใช้: ไม่มีซูเปอร์คอมพิวเตอร์ใดที่มีพลังมากพอที่จะสร้างความก้าวหน้าได้อย่างแท้จริงด้วยตัวมันเอง ทางเลือกหนึ่งสำหรับการแก้ปัญหาการสุ่มตัวอย่าง เราอาจใช้ไดนามิกของโมเลกุลแบบคลาสสิกเพื่อขับเคลื่อนกระบวนการพับ อย่างไรก็ตาม คุณภาพของสนามแรงแบบคลาสสิกที่มีอยู่ตลอดจนกำลังของคอมพิวเตอร์ที่จำเป็นในการแก้สมการการเคลื่อนที่ที่สอดคล้องกันนั้นไม่เพียงพอต่อการสร้างแบบจำลองกระบวนการพับเช่นกัน
ไปถึงกำลังการคำนวณจำเป็นต้องทำโปรตีนคลาสสิกพับวิจัยมหาวิทยาลัยสแตนฟอวิศวกรรมชีวภาพวิจัยวีเจย์ Pande พัฒนาโครงการที่เรียกว่าพับ @ Home ใครก็ตามบนอินเทอร์เน็ตสามารถดาวน์โหลดซอฟต์แวร์ลงในคอมพิวเตอร์หรืออุปกรณ์เคลื่อนที่ของตนที่เชื่อมโยงกับเครือข่าย Folding@Home ทั่วโลก ซึ่งเป็นซูเปอร์คอมพิวเตอร์ขนาดยักษ์ที่กระจายตัวโดยใช้พลังการประมวลผลที่ไม่ได้ใช้บนเครื่องส่วนตัวของผู้คน เครือข่ายนั้นเติบโตขึ้นจนกลายเป็นหนึ่งในระบบคอมพิวเตอร์ที่ทรงพลังที่สุดในโลก และได้ให้ผลลัพธ์ที่สำคัญ แต่จนถึงตอนนี้ มันสามารถจำลองสายโปรตีนที่ค่อนข้างสั้นได้เท่านั้น — สายโซ่ที่เล็กกว่าโปรตีนทั่วไปที่พบในร่างกายมาก
ในที่สุด แนวทางที่ใช้ AI ก็ถูกนำมาใช้ในการทำนายโครงสร้างพับโปรตีน อย่างไรก็ตาม ในกรณีนี้ อัลกอริธึม (ส่วนใหญ่ใช้โครงข่ายประสาทเทียม) จำเป็นต้องมีการฝึกอบรมอย่างกว้างขวางโดยใช้ฐานข้อมูลของโครงสร้างโปรตีนที่รู้จัก ซึ่งไม่จำเป็นในวิธีการสุ่มตัวอย่างแบบเดรัจฉานอย่างที่เสนอในการศึกษาของนักวิจัยของ IBM Quantum
แนวทางควอนตัม
นักวิจัยของ IBM Quantum Anton Robert, Panagiotis Barkoutsos, Stefan Woerner และ Ivano Tavernelli แสดงให้เห็นว่าคอมพิวเตอร์ควอนตัมควรสามารถจัดการกับปัญหาได้อย่างมีประสิทธิภาพมากกว่าคอมพิวเตอร์ทั่วไป
ในบทความที่ตีพิมพ์เมื่อวันที่ 17 กุมภาพันธ์ในวารสารnpj Quantum Informationพวกเขาแสดงให้เห็นว่าอัลกอริธึมควอนตัมทั่วไปที่ใช้สำหรับการเพิ่มประสิทธิภาพสามารถนำไปใช้ใหม่สำหรับปัญหาการพับ และพวกเขาพับโมเดลโปรตีนบนโปรเซสเซอร์ IBM Quantum 20-qubit สำเร็จโดยใช้วิธีการใหม่ของพวกเขา
แทนที่จะใช้ทรัพยากรในการคำนวณเพื่อตรวจสอบแต่ละเท่าที่เป็นไปได้ของโปรตีน วิธีควอนตัมเข้ารหัสการซ้อนทับของวิธีการพับโปรตีนที่มีความหมายทางกายภาพทั้งหมดให้เป็นแบบจำลองแฮมิลตัน จากนั้นจึงสุ่มตัวอย่างชุดค่าผสมเหล่านี้ในเชิงสถิติเพื่อค้นหาชุดการพับที่เสถียรที่สุด
Barkoutsos กล่าวว่า “ทุกอย่างในร่างกายของเราต้องการอยู่ในการกำหนดค่าพลังงานอิสระขั้นต่ำ “มันมั่นคงที่สุด และโดยทั่วไปแล้วเราพูดโดยธรรมชาติ – ในร่างกายของเรา – ความเสถียรที่สุดคือการกำหนดค่าที่ชนะ”
ด้วยวิธีการนี้ นักวิจัยได้จำลองการพับของสายโซ่กรด 10 อะมิโนที่เรียกว่า Angiotensin ด้วยเครื่องจำลองควอนตัม 22 คิวบิต และนิวโรเปปไทด์กรดอะมิโนเจ็ดตัวบนคอมพิวเตอร์ควอนตัมขนาด 20 บิต
รหัสโอเพนซอร์ซอเนกประสงค์
งานนี้อาศัยอัลกอริธึม Variational Quantum Eigensolver (VQE) ที่ได้รับการดัดแปลง ซึ่งเป็นเครื่องมือเพิ่มประสิทธิภาพที่สำคัญในคลังแสงควอนตัม ซึ่งดึงมาจาก Qiskit Application Module
เพื่อให้เหมาะกับความต้องการของทีมการแก้ไข VQE เพื่อตัวอย่างเพียงบางส่วนของข้อมูลที่เกี่ยวข้องกับปัญหาการผลิตเครื่องมือที่พวกเขาเรียกว่าเป็นเงื่อนไข Value-at-Risk (CVaR) VQE เพื่อให้สอดคล้องกับแนวคิดโอเพนซอร์สของ IBM Quantum เครื่องมือนี้พร้อมใช้งานในชุมชนQiskit นับตั้งแต่เปิดตัวQiskit Natureล่าสุด

สล็อตออนไลน์

Barkoutsos กล่าวว่าสมาชิกคนอื่น ๆ ในชุมชนควรจะสามารถนำรหัสที่ใช้ในการวิจัยนี้ไปใช้ใหม่ในแอปพลิเคชันต่างๆ “อัลกอริธึมที่เสนอนี้ใช้ได้กับพอลิเมอร์ทุกประเภท ไม่ใช่แค่โปรตีน ดังนั้น นอกเหนือจากชีววิทยาแล้ว ยังนำไปใช้ในด้านอื่นๆ เช่น เคมีพอลิเมอร์และการออกแบบวัสดุ”
การแก้ปัญหาความขัดแย้ง
การแก้ไข Paradox ของ Levinthal อย่างสมบูรณ์จะต้องให้นักวิจัยคนอื่นใช้อัลกอริทึมนี้และต่อยอด จากนั้นจึงเรียกใช้อัลกอริทึมขั้นสูงบนฮาร์ดแวร์ควอนตัมขั้นสูงที่คาดว่าจะเกิดขึ้นในอีกไม่กี่ปีข้างหน้า
ในโลกแห่งความเป็นจริง โปรตีนสามารถมีความยาวได้หลายร้อยหรือหลายพันกรดอะมิโน และพับเป็นสามมิติ บทความนี้สรุปปัญหา โดยวางโปรตีนไว้บนโครงตาข่ายทรงสี่เหลี่ยมจตุรัสสามมิติ (นั่นคือ พีระมิดสามเหลี่ยม) โดยมีอิสระในการเคลื่อนไหวอย่างจำกัด ดังนั้น งานนี้จึงเป็นการประมาณ เนื่องจากการเคลื่อนไหวสามมิติในพื้นที่ว่างนั้นยากต่อการสร้างแบบจำลองมาก จุดประสงค์ของอัลกอริธึมคือการวางรากฐานเพื่อให้ผู้คนสามารถเริ่มคิดและสร้างมันขึ้นมาได้
Barkoustos กล่าวว่ามีเหตุผลสำหรับการมองโลกในแง่ดีเกี่ยวกับโอกาสในระยะยาวของการวิจัยแนวนี้ “ด้วยคอมพิวเตอร์ควอนตัม ทุกครั้งที่คุณเพิ่ม qubit พิเศษ คุณจะเพิ่มพลังการประมวลผลเป็นสองเท่า ทุกๆ qubit ใหม่ คุณจะสามารถจำลองระบบที่ใหญ่ขึ้นและใหญ่ขึ้นได้”
หากคอมพิวเตอร์ควอนตัมช่วยให้นักวิจัยสามารถจำลองการพับของโปรตีนในระดับเซลล์ที่มีชีวิตจริงได้ Barkoutsos กล่าว จากนั้นพวกเขาสามารถเริ่มแยกแยะที่ Paradox ของ Levinthal และหาวิธีที่เครื่องจักรโมเลกุลเหล่านี้พับได้อย่างรวดเร็วและทำหน้าที่เร่งปฏิกิริยา ความเข้าใจด้านชีวกลศาสตร์ระดับนั้นจะนำวิทยาศาสตร์ไปที่ไหนไม่มีใครรู้
โครงการสนับสนุน Qiskit เป็นโครงการระดับโลกเพื่อสนับสนุนสมาชิกที่กระตือรือร้นที่สุดของชุมชน Qiskit ในฐานะผู้สนับสนุน คุณจะเข้าร่วมกลุ่มคนที่กระตือรือร้นที่สุดในการคำนวณควอนตัม นับตั้งแต่เปิดตัวโปรแกรมเมื่อเดือนกันยายนปีที่แล้ว ผู้คนมากกว่า 100 คนซึ่งมีภูมิหลังหลากหลายจาก 20 ประเทศได้เข้าร่วม เราทำงานร่วมกันเพื่อขยายชุมชน Qiskit จากการจัดกิจกรรมไปจนถึงการสนับสนุนโอเพนซอร์สในโค้ดของ Qiskit
ทำไมคุณควรสมัคร?
มีเหตุผลหลายประการในการสมัครเข้าร่วมโปรแกรมนี้ ที่นี่ฉันเน้นบางส่วนของพวกเขา:

  1. การสร้างเครือข่ายกับผู้เชี่ยวชาญและผู้สนใจ
    ในฐานะผู้สนับสนุน คุณจะสามารถเข้าร่วมเซสชันสาธิตรายเดือนเพื่อแบ่งปันโครงการและแนวคิดกับผู้สนับสนุนคนอื่นๆ และทำงานร่วมกับพวกเขาในโครงการและกิจกรรมใหม่ เช่นเดียวกับผู้สนับสนุนFarai Mazhandu ที่แบ่งปันในโพสต์ของเขาโปรแกรม Qiskit Advocate นั้นเกี่ยวกับการทำงานร่วมกันและมิตรภาพใหม่!
    ตัวอย่างที่ดีของการทำงานร่วมกันมาจากผู้สนับสนุนของเราในอินเดีย พวกเขารวมตัวกันและระดมความคิดเกี่ยวกับ Qiskit Slack และร่วมกันสร้างIndiQซึ่งเป็นองค์กรชุมชนควอนตัมท้องถิ่นที่มีภารกิจในการทำให้อินเดียพร้อมควอนตัมโดยการจัดมีตติ้ง เซสชันการศึกษา และแฮกกาธอน
    ในฐานะผู้สนับสนุนตัวเอง ฉันไปเที่ยวกับเพื่อนๆ ใน Slack และ Twitter บ่อยมาก และหลายคนกลายเป็นเพื่อนสนิทกันไปแล้ว เรามีกลุ่มเล่น Animal Crossing ด้วย! ฉันมีโอกาสได้พบกับพวกเขาสองสามคน ( Vicente Pina Canelles , Omar Costa HamidoและDesiree Vogt-Lee ) แบบตัวต่อตัว และเป็นเรื่องดีที่ได้พูดคุยเกี่ยวกับความกระตือรือร้นที่มีร่วมกันของเราต่อ Qiskit (และถุงเท้า)

jumboslot

  1. การเข้าถึงสมาชิกและโครงการหลักของ Qiskit เป็นพิเศษ
    ในฐานะผู้สนับสนุน คุณจะสามารถถามคำถามกับสมาชิกของทีม Qiskit และหาที่ปรึกษาได้ Jack Woehrหนึ่งในผู้สนับสนุนของเรา ได้แบ่งปันประสบการณ์ของเขาในการทำงานร่วมกับนักพัฒนา Qiskit เพื่อมีส่วนร่วมในโค้ดของ Qiskit โดยเน้นว่าทีมงานมีความยินดีเป็นอย่างยิ่งในโพสต์ของเขา :
    “ผมคิดว่าสิ่งที่สำคัญสำหรับคุณคือมีโครงการที่เปิดกว้างซึ่งทีมงานหลักมีทีมงานที่มีจิตใจดีที่สุดในสนาม ซึ่งทุกคนก็ยุ่งมากเท่าที่จะเป็นได้ แต่ผู้ที่พร้อมจะต้อนรับคุณในฐานะ นักวิ่งมาราธอนคนอื่นๆ กางแขนออกไปยังขอบฟ้าใหม่”
    คำพูดของแจ็คสะท้อนประสบการณ์ของฉันเอง การทำงานใน QPong และโครงการควอนตัมอาเขตผมได้รับการให้คำปรึกษาที่น่าตื่นตาตื่นใจจาก IBMers เจมส์ผู้ประกอบการและเกรกอรี่โบแลนด์ ฉันได้เรียนรู้มากมายจากพวกเขาเกี่ยวกับวิธีสร้างการสาธิตที่น่าสนใจสำหรับการสอนคอมพิวเตอร์ควอนตัมและวิธีทำงานร่วมกันในโครงการโอเพ่นซอร์สด้วยเวิร์กโฟลว์ git ที่เหมาะสม ประสบการณ์เหล่านี้มีอิทธิพลอย่างมากต่อวิธีที่ฉันทำงานในฐานะสมาชิกทีมชุมชน Qiskit
  2. ได้รับการยอมรับจาก IBM
    ในฐานะผู้สนับสนุน คุณจะมีโอกาสได้รับการสนับสนุนและเน้นย้ำงานของคุณโดย IBM อันที่จริง ผู้สนับสนุนหลายคนได้เข้ามาฝึกงานหรือทำงานเต็มเวลาให้กับ IBM Quantum และ Qiskit
    ผู้สนับสนุนAmira Abbasให้ตัวอย่างที่ชัดเจนของเรื่องนี้ หลังจากชนะ Qiskit ค่ายยุโรป ’19 โครงการของเธอกลายเป็นตำราบท Qiskit เนื่องจากการทำงานที่โดดเด่นของเธอในการเรียนรู้ของเครื่องควอนตัม ตอนนี้เธอเป็นผู้ฝึกงานด้านการวิจัยที่ IBM Research Zurich และเป็นเจ้าภาพของ SuperPosition รายการใหม่ที่ร้อนแรงที่สุดของ Qiskit
    สำหรับตัวฉันเอง QPong ปรากฏตัวในตอนแรกของซีรี่ส์ Coding with Qiskitยอดนิยมบนช่อง YouTube ของ Qiskit ซึ่งต้องบอกว่าทำให้ฉันมีชื่อเสียงในระดับหนึ่ง QPong ของเครื่องอาเขตควอนตัมไปทัวร์ทั่วยุโรปรวมทั้งเหตุการณ์ที่สหภาพยุโรปควอนตัม Flagship ในฟินแลนด์ นอกจากนี้ น้อยกว่าหนึ่งปีหลังจากที่ฉันเป็นผู้ให้การสนับสนุน ฉันเข้าร่วม Qiskit ในฐานะสมาชิกทีมชุมชนเต็มเวลา

slot

  1. รับคำเชิญเข้าร่วมกิจกรรม
    ในฐานะผู้สนับสนุนที่ใช้งานอยู่ คุณจะได้รับเชิญให้เข้าร่วมกิจกรรมระดับโลก (ทางกายภาพหรือเสมือน) ที่สร้างขึ้นสำหรับชุมชนควอนตัม ประชาสัมพันธ์Samanvay SharmaและVicente Pina Canellesได้ร่วมกันอย่างกระตือรือร้นประสบการณ์ของพวกเขาได้รับเชิญไปแคมป์ Qiskit และ hackathons ที่คุณสามารถหาได้ที่นี่และที่นี่
    อันที่จริง เนื่องจากโปรแกรมมีทัศนวิสัยสูง คุณอาจได้รับเชิญให้เข้าร่วมกิจกรรมที่ไม่ใช่ Qiskit! ฉันได้รับเชิญให้เข้าร่วมงานควอนตัมแฮกกาธอนที่จัดโดย CERN หลังจากที่ผู้จัดงานดูตอน QPong ของซีรีส์ Qiskit ในฐานะนักฟิสิกส์ การไปเยือนบ้านเกิดของฮิกส์โบซอนเป็นความฝันที่เป็นจริง!
Posted in Slot | Tagged , , , , | Comments Off on อัลกอริธึมควอนตัมใหม่สำหรับการพับโปรตีน: ปูทางไปสู่การแก้ปัญหาความลึกลับที่ใหญ่ที่สุดในชีววิทยาด้วยคอมพิวเตอร์ควอนตัม

IBM Quantum Challenge Africa: นักวิจัยชาวแอฟริกันสร้างชุมชนควอนตัมตั้งแต่เริ่มต้นอย่างไร

IBM Quantum Challenge Africa: นักวิจัยชาวแอฟริกันสร้างชุมชนควอนตัมตั้งแต่เริ่มต้นอย่างไร

jumbo jili

การคำนวณควอนตัมสัญญาว่าจะปลดล็อกความสามารถในการแก้ปัญหาที่อาจเปลี่ยนโลก แต่ส่วนไหนของโลกที่มันอาจจะเปลี่ยนไป? และใครจะอยู่ในตำแหน่งที่ดีที่สุดที่จะได้รับประโยชน์สูงสุดจากเทคโนโลยีที่เกิดขึ้นใหม่นี้ เพื่อให้มั่นใจถึงอนาคตที่มีจริยธรรมและเท่าเทียมกันสำหรับคอมพิวเตอร์ควอนตัม เป็นสิ่งสำคัญที่เสียงจากภูมิหลังระดับภูมิภาค วัฒนธรรม และชาติพันธุ์ทั้งหมดจะมีส่วนช่วยในการวิจัยและพัฒนาที่เกิดขึ้นในปัจจุบัน นี่ไม่ใช่แค่อุดมคติทางปรัชญาเท่านั้น สำหรับสมาชิกของชุมชนควอนตัมในแอฟริกาที่เติบโตอย่างรวดเร็ว และสำหรับชุมชนควอนตัมทั่วโลกนั้น ถือเป็นภารกิจที่สำคัญอย่างยิ่ง

สล็อต

ส่วนหนึ่งของภารกิจนั้นเกี่ยวข้องกับการทำให้แน่ใจว่าคอมพิวเตอร์ควอนตัมใช้เพื่อแก้ปัญหาและสร้างโอกาสเฉพาะสำหรับทวีปแอฟริกา สมาชิกบางคนของชุมชนควอนตัมแสดงความกังวลว่าจะไม่เป็นเช่นนี้ โดยมีพาดหัวข่าวอย่าง “ แอฟริกาจะพลาดการปฏิวัติทางคอมพิวเตอร์ครั้งต่อไปหรือไม่? ” หรือแอฟริกาจะ “ พร้อมที่จะก้าวกระโดดควอนตัม? ” อย่างไรก็ตาม สำหรับผู้เชี่ยวชาญด้านควอนตัมที่อาศัยและทำงานในแอฟริกาในปัจจุบัน ไม่ใช่แค่ว่าทวีปจะพลาดคำสัญญามหาศาลของควอนตัมคอมพิวติ้งหรือไม่ แต่การคำนวณควอนตัมจะพลาดศักยภาพมหาศาลของพรสวรรค์แอฟริกันหรือไม่ เมื่อพิจารณาจากทิศทางที่ประชากรของทวีปกำลังมุ่งหน้าไป นั่นอาจเป็นความสูญเสียครั้งใหญ่
Barry Dwolatzky ศาสตราจารย์กิตติคุณด้านวิศวกรรมไฟฟ้าและสารสนเทศแห่งมหาวิทยาลัย Witwatersrand (มหาวิทยาลัย Wits) ในเมืองโจฮันเนสเบิร์ก แอฟริกาใต้ กล่าวว่า “ภายในปี 2050 ประชากรของแอฟริกาจะเพิ่มขึ้นเป็นสองเท่า” การคาดการณ์ในปัจจุบันบ่งชี้ว่าประชากรที่เพิ่มขึ้นส่วนใหญ่จะเป็นเด็กและอยู่ในเมือง ซึ่งเป็นผู้สมัครในอุดมคติในมุมมองของ Dwolatzky สำหรับแรงงานควอนตัมแห่งอนาคต Dwolatzky กล่าวว่า “พวกเขาทั้งหมดจะเป็นผู้ที่มีศักยภาพในการเกณฑ์เข้าสู่โลกใหม่ของเทคโนโลยี ดังนั้นฉันคิดว่าตอนนี้เรากำลังเพาะเมล็ด ซึ่งเราจะเริ่มเห็นตัวเลขมหาศาลมาจากมหาวิทยาลัยของเรา [เพื่อ] ทำงานที่มีคุณภาพ”
ตั้งแต่เครื่องจ่ายสบู่อัตโนมัติซึ่งใช้ไม่ได้กับสีผิวที่เข้มขึ้นไปจนถึงอคติแบบอัลกอริธึมในระบบยุติธรรมทางอาญาประวัติของเทคโนโลยีเต็มไปด้วยตัวอย่างว่าสิ่งต่างๆ อาจเกิดขึ้นได้อย่างไรเมื่อขาดความหลากหลายในหมู่คนที่สร้างสรรค์เทคโนโลยีนั้น เราอาจยังไม่รู้แน่ชัดว่าคอมพิวเตอร์ควอนตัมจะพิสูจน์คุณค่าของมันได้ที่ไหนและอย่างไร แต่มีสิ่งหนึ่งที่แน่นอน: คอมพิวเตอร์ควอนตัมจะให้ประโยชน์สูงสุด – และทำอันตรายน้อยที่สุด – เมื่อรวมมุมมองจากชุมชนที่กว้างที่สุด ของนักพัฒนา
นั่นเป็นเหตุผลที่การมีส่วนร่วมจากสมาชิกชุมชนในทวีปแอฟริกามีความสำคัญ และทำไม Qiskit จึงใช้เวลาหลายปีในการทำงานเพื่อส่งเสริมชุมชนนี้ Qiskit Global Summer School ของปีที่แล้วมีผู้เข้าร่วมทั้งหมด 285 คนจาก 26 ประเทศในแอฟริกา และงานในปีนี้มีผู้เข้าร่วมทั้งหมด 288 คนจาก 30 ประเทศในแอฟริกา ในปี 2019 Qiskit เป็นเจ้าภาพจัดงานQiskit Camp Africa hackathon ในแอฟริกาใต้ โดยดึงดูดผู้เข้าร่วมจากทั่วทั้งทวีป
ผู้เข้าร่วมในแอฟริกาในกิจกรรมเหล่านี้ไม่เพียงแต่แสดงให้เห็นถึงความยิ่งใหญ่ของความสามารถเท่านั้น แต่ยังแสดงให้เห็นถึงความเข้าใจและความคิดสร้างสรรค์ที่ไม่เหมือนใครซึ่งได้รับการส่งเสริมจากประสบการณ์ของพวกเขาในฐานะนักศึกษา นักวิจัย และผู้เชี่ยวชาญด้าน STEM ที่อาศัยและทำงานในทวีปนี้ โดยเฉพาะอย่างยิ่ง ผู้เข้าร่วมเหล่านี้จำนวนมากได้จัดการกับปัญหาคอมพิวเตอร์ควอนตัมประเภทต่างๆ ที่มีความสำคัญ ไม่ใช่เพียงเพราะเครื่องจักรแบบคลาสสิกต้องดิ้นรนเพื่อแก้ปัญหาเท่านั้น แต่ยังเป็นเพราะชุมชนนักพัฒนาในยุโรป เอเชีย และอเมริกาเหนือมักมองข้ามปัญหาดังกล่าว
เหตุการณ์เหล่านี้ยังพิสูจน์ด้วยว่ามีความกระตือรือร้นอย่างมากสำหรับการคำนวณควอนตัมทั่วทั้งทวีป ในหลายกรณี ความกระตือรือร้นนั้นมาจากสถานที่ที่น่าแปลกใจบางแห่ง Amira Abbas ผู้สนับสนุนการวิจัยควอนตัมของ IBM กล่าวว่า “ความสนใจไม่ได้มาจากนักฟิสิกส์เท่านั้นอย่างที่เราคาดไว้ “มันมาจากผู้คน [ที่มี] ภูมิหลังทุกประเภท เช่น วิศวกร นักวิทยาศาสตร์คอมพิวเตอร์ นักคณิตศาสตร์ และอื่นๆ”
การมีส่วนร่วมเช่นนี้มีความสำคัญต่อการเติบโตต่อไปของชุมชนควอนตัมในทวีป เอ็มมาปูลา บาลอย นักศึกษาฝึกงานควอนตัมชุมชนควอนตัมของไอบีเอ็มในแอฟริกาใต้ กล่าวว่าเธอเริ่มให้ความสนใจในสาขานี้เป็นครั้งแรกหลังจากเข้าเรียนที่โรงเรียน Qiskit Global Summer School และงาน OneQuantum Women in Quantum ตอนนี้เธอเป็นปริญญาเอก นักศึกษาวิชาฟิสิกส์ที่ Wits University “เป็นการยากที่จะหามหาวิทยาลัยในท้องถิ่นที่เปิดสอนหลักสูตรคอมพิวเตอร์ควอนตัมที่คล้ายกับหลักสูตรQubit by Qubit ของ The Coding Schoolที่ฉันเข้าเรียน” เธอกล่าว
ในขณะที่มหาวิทยาลัยต่างๆ กำลังทำวิจัยควอนตัมในแอฟริกาใต้ Baloi ตระหนักว่าหลักสูตรออนไลน์ที่กำหนดเป้าหมายไปยังผู้ชมทั่วโลกเป็นสิ่งจำเป็นสำหรับทุกคนที่หวังจะเข้าสู่สนาม ตอนนี้ Baloi เองก็กำลังทำงานร่วมกับมหาวิทยาลัยต่างๆ ทั่วทั้งทวีปเพื่อเผยแพร่ความตระหนักในการวิจัยคอมพิวเตอร์ควอนตัมและแบ่งปันโอกาสทางการศึกษา
ผู้เชี่ยวชาญด้านควอนตัมในแอฟริกา เช่น นักวิทยาศาสตร์การวิจัยของ IBM Research South Africa อิสมาอิล อาคัลวายา เชื่อว่าการพัฒนาความรู้ควอนตัมที่ปลูกเองในทวีปแอฟริกาเป็นสิ่งสำคัญ “ตามธรรมเนียมแล้ว เราไม่ใช่เศรษฐกิจเทคโนโลยีคอมพิวเตอร์ในแอฟริกาใต้ หรือแม้แต่ในแอฟริกาทั้งหมด แต่เราต้องเคลื่อนไหวแบบนั้น” เขากล่าว
Akhalwaya แย้งว่าความพยายามด้านการศึกษาที่ทำขึ้นในวันนี้เป็นวิธีเดียวที่จะมั่นใจได้ว่านักวิจัยจะใช้คอมพิวเตอร์ควอนตัมในท้ายที่สุดเพื่อจัดการกับปัญหาในแอฟริกาและเพื่อให้แน่ใจว่าชาวแอฟริกันในอนาคตจะได้รับการเข้าถึงผลตอบแทนทางการค้าที่เป็นไปได้อย่างเท่าเทียมกันของอุตสาหกรรมควอนตัมที่เติบโตเต็มที่ “นี่เป็นเวลาที่จะได้รับ IP” เขากล่าว “นักวิทยาศาสตร์กำลังได้รับสิทธิบัตรสำหรับสิ่งประดิษฐ์ใหม่ๆ ที่เกี่ยวข้องกับควอนตัม และเราควรเป็นส่วนหนึ่งของสิ่งนั้น”
มหาวิทยาลัยในแอฟริกาอาจไม่ได้สร้างโครงสร้างพื้นฐานด้านฮาร์ดแวร์ควอนตัม แต่ Baloi ชี้ให้เห็นว่านักเรียนมีโอกาสมากมายที่จะส่งผลกระทบต่ออัลกอริทึมและการพัฒนาแอปพลิเคชันด้วยความช่วยเหลือของ Qiskit การสร้างผลกระทบในลักษณะนี้ไม่จำเป็นต้องมีการฝึกอบรมอย่างเป็นทางการเช่นกัน

สล็อตออนไลน์

ตอนนี้ Amira อับบาส Mmapula Baloi อิสมาอิล Akhalwaya ควอนตัมและนักวิจัยอื่น ๆ และผู้สนับสนุนจาก IBM วิจัยและมหาวิทยาลัยซ์กำลังทำงานเพื่อเปิดตัวIBM ควอนตัมท้าทายแอฟริกา พัฒนาโดยนักวิจัยชาวแอฟริกันโดยเฉพาะเจาะจงต่อการมีส่วนร่วมของนักศึกษาชาวแอฟริกัน นักวิจัย และผู้เชี่ยวชาญในอุตสาหกรรม ความท้าทายนี้มีจุดมุ่งหมายเพื่อขยายชุมชนควอนตัมในแอฟริกา และเพิ่มทักษะคอมพิวเตอร์ควอนตัมของผู้เข้าร่วมโดยแนะนำพวกเขาผ่านการใช้ควอนตัมเพื่อแก้ไขปัญหาในการเกษตร การเงิน และเคมี เพื่อให้เกิดประโยชน์สูงสุด นักพัฒนาที่ท้าทายเช่น Abbas และ Akhalwaya ได้ใช้ความพยายามอย่างมากเพื่อให้แน่ใจว่าแบบฝึกหัด Quantum Challenge Africa นั้นกระตุ้นทางปัญญาโดยไม่ต้องมีพื้นฐานในการคำนวณควอนตัม
IBM Quantum Challenge Africa จะเริ่มตั้งแต่วันที่ 9 กันยายนถึง 20 กันยายน 2021 และถึงแม้ว่างานจะจัดขึ้นเพื่อผู้เข้าร่วมแอฟริกันโดยเฉพาะ แต่ก็เปิดให้ทุกคนจากทั่วโลก ความท้าทายจะประกอบด้วยแบบฝึกหัดสามแบบที่แสดงให้เห็นว่าวันหนึ่งนักวิจัยอาจใช้คอมพิวเตอร์ควอนตัมเพื่อจัดการกับปัญหาที่เกี่ยวข้องโดยเฉพาะกับทวีปแอฟริกาได้อย่างไร ซึ่งรวมถึงปัญหาในการขนส่งผลผลิตพืชผล การเพิ่มประสิทธิภาพทางการเงิน และการค้นพบยาควอนตัม ไม่จำเป็นต้องมีการศึกษาอย่างเป็นทางการในการคำนวณควอนตัม และผู้เข้าร่วมที่ทำแบบฝึกหัดทั้งหมดจะได้รับป้ายดิจิทัลที่แสดงถึงความสำเร็จของพวกเขา
Clifford กรุ๊ปเป็นหนึ่งในชุดที่สำคัญที่สุดของประตูในควอนตัมคอมพิวเตอร์ขอบคุณประโยชน์ในควอนตัมแก้ไขข้อผิดพลาด , สุ่มเปรียบเทียบและการศึกษาความยุ่งเหยิง โมดูลquantum_infoของQiskitมีคลาสCliffordและStabilizerStateซึ่งช่วยให้คุณมีวิธีมากมายในการจัดการ Cliffords ในการทดลอง Qiskit ของคุณ!
ในบล็อกนี้เราจะกล่าวถึงสิ่งต่อไปนี้:
ภาพรวมโดยย่อขององค์ประกอบคลิฟฟอร์ด
ทำไม Cliffords จึงมีประโยชน์ในการคำนวณควอนตัม
สิ่งที่คุณสามารถทำได้ด้วย Cliffords โดยใช้ Qiskit
งานวิจัยเบื้องหลังการสังเคราะห์ Clifford ของ Qiskit
A Brief(ish) ภาพรวมของ Clifford Elements
ในการคำนวณควอนตัม Clifford Group คือชุดของประตูที่กำหนดโดยคุณสมบัติที่พวกเขาเปลี่ยน Paulis เป็น Paulis เสมอPaulis เองก็เป็นองค์ประกอบของ Clifford Group องค์ประกอบหรือวงจรของ Clifford คือองค์ประกอบหรือวงจรใดๆ ที่ประกอบด้วยตัวดำเนินการจากกลุ่ม Clifford เท่านั้น ซึ่ง Qiskit สามารถใช้งานได้บางส่วน
(สำหรับการสรุปสั้นๆ เกี่ยวกับPaulis โปรดดูที่หนังสือเรียน QiskitและเอกสารประกอบของPauliชั้นเรียน)
สำหรับกรณี qubit เดียว ลำดับของการดำเนินการ Clifford-Pauli-inverse-Clifford จะเทียบเท่ากับการดำเนินการอื่นของ Pauli หรือในกรณีที่ Clifford เป็นตัว Pauli เอง มันจะเปลี่ยนเฟสของ Pauli ตัวนั้นเอง

jumboslot

ความคงตัว
เพื่อให้เข้าใจ Cliffords ดีขึ้นและนำไปใช้โดยใช้ Qiskit อันดับแรกควรทำความเข้าใจแนวคิดของสารกันบูดและกลุ่มสารกันโคลง นั่นเป็นเพราะ ตัวอย่างเช่น เมื่อพูดถึงการคำนวณสำหรับการแก้ไขข้อผิดพลาดของควอนตัม การจัดการสถานะต่างๆ ในรูปแบบกันโคลงได้ง่ายกว่ามาก แทนที่จะใช้สูตรการซ้อนทับที่ซับซ้อนมากขึ้น
เมื่อโอเปอเรเตอร์ของ Pauli ดำเนินการกับสถานะใดสถานะหนึ่งและให้สถานะเดิมแก่คุณ เราบอกว่าโอเปอเรเตอร์นั้นทำให้สถานะนั้นเสถียรขึ้น (กล่าวคือ สถานะนั้นเป็น +1 eigenstate ของ Pauli)
ตัวอย่างเช่น เรารู้ว่า Z|0⟩ = |0⟩
ตัวดำเนินการ Z ที่กระทำต่อสถานะ |0⟩ จะไม่เปลี่ยนสถานะ ดังนั้นเราจึงบอกว่า Z ทำให้เสถียร |0⟩
เมื่อพิจารณาเพียง 1 qubit ตัวดำเนินการ Clifford สามารถสร้างสถานะที่เป็นไปได้ได้ 6 สถานะเท่านั้น (|0⟩ , |1⟩ , |+⟩ , |-⟩ , |i⟩ , |-i⟩) ซึ่งแต่ละสถานะสามารถเสถียรได้ด้วยสถานะเดียว เปาลี (หรืออัตลักษณ์). สถานะเหล่านี้เป็นลักษณะเฉพาะของ Z, X, Y Pauli:
กลุ่มโคลงเป็นกลุ่มของผลิตภัณฑ์เมตริกซ์ของ Paulis ทั้งหมดที่สามารถรักษาเสถียรภาพของรัฐ n-qubit ขนาดของกลุ่มโคลงสำหรับสถานะที่กำหนดจะเป็น 2^n เสมอ เนื่องจากแต่ละกลุ่มทำให้คงตัวทำให้เสถียรได้เพียงสถานะเดียว กลุ่มนี้จึงสามารถใช้เป็นคำอธิบายเฉพาะของสถานะนั้น และเราสามารถเรียกสถานะนั้นว่าสถานะทำให้เสถียร
ดังนั้น สำหรับสถานะ |0⟩ กลุ่มโคลงคือ: { I, Z }
สำหรับสถานะเบลล์ กลุ่มโคลงคือ: { II, XX, -YY, ZZ }
สำหรับสถานะ GHZ 3 บิต กลุ่มโคลงคือ: { XXX, IZZ, ZIZ, ZZI, III, -XYY, -YXY, -YYX }
สำหรับกลุ่มโคลงใด ๆ เราต้องการเพียงชุดย่อยของกลุ่มเท่านั้นจึงจะสามารถสร้างส่วนที่เหลือได้ ชุดย่อยนี้เรียกว่าชุดการกำเนิดและมีขนาด n เสมอ

slot

เป็นตัวแทนของ Cliffords ด้วยเมทริกซ์และสเตบิไลเซอร์
เราสามารถแสดงองค์ประกอบ n-qubit Clifford ใดๆ ด้วยเมทริกซ์ไบนารี 2nx2n และเวกเตอร์ไบนารี 2n (เฟส) ที่เรียกว่าฉาก Clifford และ Qiskit ก็สามารถทำได้เช่นกัน เช่นเดียวกับรูปแบบกันโคลงทำให้มนุษย์สามารถทำงานกับ Cliffords ที่มีขนาดใหญ่ขึ้นเรื่อยๆ ได้ง่ายขึ้น รูปแบบฉากนี้ทำให้คอมพิวเตอร์ทำการคำนวณบน Cliffords ที่มีขนาดใหญ่ขึ้นเรื่อยๆ ได้อย่างมีประสิทธิภาพมากขึ้น ดังนั้นจึงเป็นเครื่องมือคำนวณที่มีประโยชน์อย่างเหลือเชื่อ

Posted in Slot | Tagged , , , , | Comments Off on IBM Quantum Challenge Africa: นักวิจัยชาวแอฟริกันสร้างชุมชนควอนตัมตั้งแต่เริ่มต้นอย่างไร

ถาม & ตอบกับนักวิจัยการเข้ารหัสหลังควอนตัมคอมพิวเตอร์ Jintai Ding

ถาม & ตอบกับนักวิจัยการเข้ารหัสหลังควอนตัมคอมพิวเตอร์ Jintai Ding

jumbo jili

คอมพิวเตอร์ควอนตัมอาจเป็น “คอมพิวเตอร์แห่งอนาคต” ตลอดกาล แต่ถ้า (หรือเมื่อ) กลายเป็นความจริง พลังที่แท้จริงของพวกมันอาจคุกคามความปลอดภัยของโครงสร้างพื้นฐานด้านเทคโนโลยีสารสนเทศของเรา การซื้อของออนไลน์ อีเมล และการอัปเดตซอฟต์แวร์อัตโนมัติใช้วิธีการเข้ารหัสคีย์สาธารณะเพื่อให้แน่ใจว่าธุรกรรมเหล่านั้นปลอดภัย วิธีหลักสองวิธีในการเข้ารหัสคีย์สาธารณะคือ RSA ซึ่งอิงตามอัลกอริธึมที่อาศัยความยากลำบากในการแยกตัวประกอบจำนวนมาก และการเข้ารหัสแบบเส้นโค้งวงรี (ECC) ซึ่งอิงตามโครงสร้างทางคณิตศาสตร์ของเส้นโค้งวงรี แต่คอมพิวเตอร์ควอนตัมสามารถถอดรหัสระบบเข้ารหัสลับทั้งสองระบบได้อย่างรวดเร็ว ในเดือนตุลาคม University of Cincinnati ได้จัดการประชุมเกี่ยวกับการเข้ารหัสระดับนานาชาติกับผู้เชี่ยวชาญในอุตสาหกรรมและรัฐบาลเพื่อแก้ไขปัญหานี้

สล็อต

Monica Heger แห่ง IEEE Spectrum ได้พูดคุยกับ Jintai Ding ประธานร่วมการประชุมและศาสตราจารย์ด้านคณิตศาสตร์ที่ University of Cincinnati เกี่ยวกับวิธีแก้ปัญหาที่เป็นไปได้สำหรับปัญหาคอมพิวเตอร์ควอนตัม
IEEE Spectrum:อะไรคือปัญหาที่คอมพิวเตอร์ควอนตัมก่อให้เกิดกับ cryptosystems ปัจจุบันของเรา?
Jintai Ding:ถ้าเรามีคอมพิวเตอร์ควอนตัมที่มีพลังเพียงพอ ในทางทฤษฎี มันสามารถทำลายระบบ RSA และ ECC ได้ ดังนั้นถ้าเรามีคอมพิวเตอร์ควอนตัมที่มีประสิทธิภาพ ระบบกุญแจสาธารณะก็จะเสร็จสิ้น
กุญแจสาธารณะมีความสำคัญในระบบการสื่อสารของเรา ในความเห็นส่วนตัวของฉัน การอัปเดตซอฟต์แวร์น่าจะเป็นสิ่งที่สำคัญที่สุด เมื่อคอมพิวเตอร์ของคุณได้รับการอัปเดตซอฟต์แวร์ จะรู้ได้อย่างไรว่ามาจาก Microsoft และไม่ใช่บุคคลอื่นที่แอบอ้างเป็น Microsoft คีย์สาธารณะใช้เพื่อรับรองความถูกต้อง ดังนั้นคอมพิวเตอร์ของคุณจึงมีวิธีบอกได้ว่ามาจาก Microsoft จริงหรือไม่ ดังนั้น ถ้ามีใครทำลายระบบสาธารณะนั้น ซึ่งก็คือ RSA พวกเขาก็สามารถส่งซอฟต์แวร์มาบอกคุณได้ว่านี่คือการอัปเดตซอฟต์แวร์จาก Microsoft และคอมพิวเตอร์ของคุณจะคิดว่ามันเป็นความจริง จากนั้นคอมพิวเตอร์ทั้งเครื่องของคุณก็จะถูกลบทิ้ง
Spectrum:คุณออกจากการประชุมโดยรู้สึกว่ามีวิธีแก้ไขปัญหานี้ได้ดีหรือไม่?
JD:ฉันจะไม่พูดว่า “วิธีแก้ปัญหา” เลย มีคนที่พยายามค้นหาระบบเข้ารหัสคีย์สาธารณะที่มีศักยภาพในการต่อต้านการโจมตีด้วยคอมพิวเตอร์ควอนตัม ดังนั้นจึงมีสี่ด้านหลักที่กำลังพัฒนา และความแตกต่างก็คือพวกมันใช้โครงสร้างทางคณิตศาสตร์ต่างกัน
ด้านหนึ่งเป็นรหัสที่ใช้ซึ่งใช้ทฤษฎีของรหัสแก้ไขข้อผิดพลาด อีกวิธีหนึ่งคือแบบอิงแลตทิซ ซึ่งปัญหาคือการหาเวกเตอร์ที่สั้นที่สุดสำหรับแลตทิซ ซึ่งหมายความว่าเมื่อกำหนดจุดใดๆ ในอวกาศ คุณจะพบจุดที่ใกล้ที่สุดของแลตทิซจากจุดนั้น
นอกจากนี้ยังมีรูปแบบลายเซ็นที่ใช้แฮชซึ่งแตกต่างกันเล็กน้อย มันอาศัยความสามารถในการพัฒนาฟังก์ชันแฮชที่ปลอดภัย [ขั้นตอนสำหรับการสร้างหมายเลขเฉพาะตัวเดียวที่อธิบายชุดข้อมูลขนาดใหญ่] แต่นั่นก็เป็นเรื่องยาก
และอันสุดท้ายคือระบบกุญแจสาธารณะแบบหลายตัวแปร สมมติฐานด้านความปลอดภัยที่นี่คือชุดของสมการพหุนาม—เช่น กำลังสองไม่เชิงเส้น—แก้ได้ยากมาก
อย่างน้อยสี่ประเภทนี้สามารถต้านทานการโจมตีคอมพิวเตอร์ควอนตัมได้อย่างน้อยก็ชั่วขณะหนึ่ง
Spectrum:ทำไมคอมพิวเตอร์ควอนตัมไม่สามารถถอดรหัสสี่ระบบนี้ได้
JD:ในกรณีของพหุตัวแปร ซึ่งเป็นพื้นที่ของการวิจัยของฉัน ปัญหานี้ในการแก้ปัญหาระบบพหุนามที่สร้างแบบสุ่มควรจะเป็น NP-complete เป็นการยากที่จะอธิบายว่า NP-complete หมายถึงอะไร แต่ก็หมายความว่ายากมาก มันคือเลขชี้กำลัง หมายความว่าเมื่อขนาดของปัญหาเพิ่มขึ้น เวลาในการแก้ปัญหาก็จะเพิ่มขึ้นแบบทวีคูณ และคอมพิวเตอร์ควอนตัมยังไม่สามารถเอาชนะปัญหาประเภท NP-complete ได้
อื่น ๆ มีความคล้ายคลึงกัน แต่ระบบที่ใช้แฮชจะแตกต่างกันเล็กน้อย เนื่องจากการออกแบบฟังก์ชันแฮชเป็นงานศิลปะเล็กน้อย เราออกแบบมัน แต่ทำไมมันถึงปลอดภัย? เราเชื่อว่ามันเป็น; เรารู้สึกได้ แต่มันไม่ได้ขึ้นอยู่กับปัญหาทางคณิตศาสตร์ที่ยากเพียงปัญหาเดียว
Spectrum:ใน 4 ด้านนั้น คุณคิดว่ามีแนวโน้มดีที่สุดหรือไม่?
JD:ไม่ ฉันไม่สามารถระบุพื้นที่ได้จริงๆ ทั้งสี่ระบบนี้ต่างกันมาก และแต่ละระบบก็มีข้อดีและข้อเสียต่างกันไป ตัวอย่างเช่น ในกรณีของระบบหลายตัวแปร เราพบว่าอัลกอริธึมเหล่านั้นรวดเร็วและมีประสิทธิภาพมากเมื่อเทียบกับ RSA
นอกจากนี้ยังมีสิ่งที่ Johannes Buchmann ซึ่งเป็นประธานร่วมการประชุมจาก Technische Universität Darmstadt ของเยอรมนีกำลังพูดถึงในการบรรยายของเขาในการประชุม ในอีกด้านหนึ่ง โพสต์ควอนตัม หมายถึงสิ่งที่เกิดขึ้นหลังจากคอมพิวเตอร์ควอนตัมปรากฏขึ้น แต่ในทางกลับกัน มันสามารถเข้าใจได้ว่าเป็นอุปมา เพราะบางทีเราอาจไม่ต้องการคอมพิวเตอร์ควอนตัมเพื่อทำลาย RSA ไม่ว่าในกรณีใดเราต้องเตรียมพร้อมเพราะเราใช้ RSA ทุกวัน
Spectrum:คือควอนตัมการเข้ารหัสความเป็นไปได้หรือไม่?
JD:ใช่ แน่นอนการเข้ารหัสควอนตัมเป็นไปได้ แต่ในความเห็นส่วนตัวของฉัน การเข้ารหัสด้วยควอนตัมนั้นใช้งานยากเล็กน้อยเนื่องจากความต้องการทางกายภาพ มันค่อนข้างแพง และในการเข้ารหัสด้วยควอนตัม พวกเขาใช้โฟตอนเหนือเส้นออปติคัลสำหรับการแลกเปลี่ยนคีย์ อย่างไรก็ตาม โฟตอนมีแนวโน้มที่จะเสื่อมสภาพ ดังนั้นคุณจึงไม่สามารถถ่ายทอดได้ไกลนัก ดังนั้นฉันจึงไม่คิดว่าจะถูกใช้อย่างรวดเร็ว
นอกจากนี้ยังมีปัญหาร้ายแรงอีกประการหนึ่งเกี่ยวกับการเข้ารหัสด้วยควอนตัม นั่นคือการรับรองความถูกต้อง ฉันหมายถึง ฉันกำลังคุยกับคุณ และคุณเชื่อว่าฉันคือ Jintai Ding แต่คุณไม่สามารถยืนยันได้ ระบบการเข้ารหัสควอนตัมยังไม่สามารถยืนยันได้—ไม่สามารถแน่ใจได้ว่าเมื่อคุณมาหาฉัน ก็คือฉันเอง
ในระบบเข้ารหัสคีย์สาธารณะ คีย์สาธารณะช่วยให้เราตรวจสอบได้ แต่แน่นอนว่ามีศักยภาพในการเข้ารหัสควอนตัม มีคนจำนวนมากที่ทำงานในพื้นที่นี้
Spectrum:คุณคิดว่ากรอบเวลาจริงเป็นอย่างไรเมื่อเราเห็นการใช้คอมพิวเตอร์ควอนตัม
JD:มีความคิดเห็นมากมาย มีคนที่เชื่อว่าพวกเขาจะมาในอีก 10 ถึง 20 ปี มีคนที่เชื่อว่าพวกเขาจะมาในอีก 50 ปี มีคนที่เชื่อว่าพวกเขาจะไม่มีวันมา

สล็อตออนไลน์

การทดสอบประกอบด้วยระบบวิชันซิสเต็มสามระบบ (ResNet-50, SSD และ Mask R-CNN) ตัวประมวลผลภาษาธรรมชาติ (BERT) เครือข่ายการแปลภาษาอังกฤษเป็นภาษาเยอรมัน 2 เครือข่าย (NMT และ Transformer) ระบบแนะนำ (DLRM) และการเรียนรู้การเสริมแรงของเครือข่ายที่เล่นไป
แต่ละระบบมีความแตกต่างกันด้วยจำนวนของตัวเร่งความเร็วTPU V4 และการทดสอบถูกวัดเป็นนาทีที่จำเป็นในการฝึกให้เสร็จสิ้น (ยิ่งต่ำยิ่งดี)
บริษัทใช้โครงสร้างพื้นฐาน TPU สำหรับ AI ของตัวเอง และยังให้เช่าให้กับลูกค้า Google Cloud บริษัทคลาวด์ขนาดใหญ่อื่นๆ เช่น Amazon และ Microsoft ได้ปรับใช้หรือกำลังทำงานบนชิป AI ของตนเอง บริษัทชิป AI อื่นๆ อีกหลายแห่งได้เปิดตัวผลิตภัณฑ์ที่มีเป้าหมายเพื่อลูกค้าที่ต้องการระบบที่ใช้ศูนย์ข้อมูล เมื่อเร็วๆ นี้ Cerebras ให้รายละเอียดเกี่ยวกับระบบรุ่นที่สองที่มีทรานซิสเตอร์ 1.4 ล้านล้านตัวสำหรับการประมวลผลประสิทธิภาพสูง ซึ่งขับเคลื่อนโดยชิปตัวเดียวที่ใหญ่ที่สุดในโลก บริษัทอื่นๆ เช่นSamba NovaและGraphcoreมีมูลค่าถึงพันล้านดอลลาร์แล้ว
ผลการศึกษาใหม่พบว่า ลูกพี่ลูกน้อง 2 มิติของหน่วยความจำแฟลชไม่เพียงเร็วกว่าประมาณ 5,000 เท่า แต่ยังจัดเก็บข้อมูลได้หลายบิต แทนที่จะเป็นเพียงเลขศูนย์และอีกตัวหนึ่งเท่านั้น
แฟลชไดรฟ์ ฮาร์ดดิสก์ เทปแม่เหล็ก และหน่วยความจำแบบไม่ลบเลือนรูปแบบอื่นๆ ช่วยจัดเก็บข้อมูลแม้หลังจากถอดปลั๊กแล้ว จุดอ่อนที่สำคัญประการหนึ่งของอุปกรณ์เหล่านี้คือความมักช้า โดยทั่วไปต้องใช้เวลาอย่างน้อยหลายร้อยไมโครวินาทีในการเขียนข้อมูล ซึ่งมีขนาดยาวกว่าอุปกรณ์ที่ผันผวนเล็กน้อย
ขณะนี้นักวิจัยได้พัฒนาหน่วยความจำแบบไม่ลบเลือนซึ่งใช้เวลาเพียงนาโนวินาทีในการเขียนข้อมูล ทำให้เร็วกว่าหน่วยความจำแฟลชเชิงพาณิชย์หลายพันเท่าและรวดเร็วพอๆ กับRAM แบบไดนามิกที่พบในคอมพิวเตอร์ส่วนใหญ่ พวกเขามีรายละเอียดผลการวิจัยของพวกเขาออนไลน์ในเดือนนี้ในวารสารเนเจอร์นาโนเทคโนโลยี
อุปกรณ์ใหม่นี้ทำขึ้นจากวัสดุ 2 มิติที่บางเฉียบเป็นชั้นๆ การวิจัยก่อนหน้านี้พบว่าเมื่อชั้นวัสดุที่แตกต่างกันอย่างน้อยสองชั้นบางอะตอมวางทับกันเพื่อสร้างโครงสร้างที่เรียกว่าเฮเทอโรโครงสร้าง คุณสมบัติของไฮบริดแบบใหม่สามารถเกิดขึ้นได้ ชั้นเหล่านี้มักถูกยึดเข้าด้วยกันโดยแรงไฟฟ้าอ่อน ๆ ที่เรียกว่าปฏิกิริยา Van der Waalsซึ่งเป็นแรงเดียวกับที่ทำให้เทปกาวเหนียวเหนอะหนะ
นักวิทยาศาสตร์จาก สถาบันฟิสิกส์แห่งสถาบันวิทยาศาสตร์จีนในกรุงปักกิ่งและเพื่อนร่วมงานของพวกเขาตั้งข้อสังเกตว่าในที่สุดหน่วยความจำที่ใช้ซิลิกอนจะถูก จำกัด ความเร็วเนื่องจากข้อบกพร่องที่หลีกเลี่ยงไม่ได้ในฟิล์มซิลิคอนบางเฉียบที่ทำให้ประสิทธิภาพลดลง พวกเขาให้เหตุผลว่าโครงสร้าง heterostructure แบนราบของ van der Waals สามารถหลีกเลี่ยงปัญหาดังกล่าวได้

jumboslot

นักวิจัยได้ประดิษฐ์โครงสร้าง heterostructure ของ van der Waals ซึ่งประกอบด้วยชั้นสารกึ่งตัวนำอินเดียมซีลีไนด์ ชั้นฉนวนโบรอนไนไตรด์หกเหลี่ยม และชั้นกราฟีนที่เป็นสื่อกระแสไฟฟ้าหลายชั้นซึ่งวางอยู่บนเวเฟอร์ของซิลิคอนไดออกไซด์และซิลิคอน พัลส์แรงดันไฟฟ้าที่มีระยะเวลาเพียง 21 นาโนวินาทีสามารถฉีดประจุไฟฟ้าลงในกราฟีนเพื่อเขียนหรือลบข้อมูล พัลส์เหล่านี้มีความแรงพอๆ กับที่ใช้เขียนและลบในหน่วยความจำแฟลชเชิงพาณิชย์
นอกจากความเร็วแล้ว คุณสมบัติหลักของหน่วยความจำใหม่นี้คือความเป็นไปได้ในการจัดเก็บข้อมูลแบบหลายบิต อุปกรณ์หน่วยความจำทั่วไปสามารถจัดเก็บข้อมูลได้เล็กน้อย ไม่ว่าจะเป็นศูนย์หรือหนึ่ง โดยการสลับระหว่างสถานะที่เป็นสื่อกระแสไฟฟ้าสูงและสถานะที่เป็นสื่อกระแสไฟฟ้าน้อยกว่า นักวิจัยตั้งข้อสังเกตว่าอุปกรณ์ใหม่ของพวกเขาสามารถจัดเก็บข้อมูลได้หลายบิตในทางทฤษฎีด้วยสถานะทางไฟฟ้าหลายสถานะ โดยแต่ละสถานะจะเขียนและลบโดยใช้ลำดับพัลส์แรงดันไฟฟ้าที่แตกต่างกัน
“หน่วยความจำสามารถมีประสิทธิภาพมากขึ้นได้มากเมื่ออุปกรณ์เครื่องเดียวสามารถเก็บข้อมูลได้มากขึ้น ซึ่งช่วยสร้างสถาปัตยกรรมหน่วยความจำที่หนาแน่นและหนาแน่นขึ้น” Deep Jariwala วิศวกรไฟฟ้าจากมหาวิทยาลัยเพนซิลเวเนียซึ่งไม่ได้มีส่วนร่วมในการวิจัยนี้กล่าว
นักวิทยาศาสตร์คาดการณ์ว่าอุปกรณ์ของพวกเขาสามารถจัดเก็บข้อมูลได้เป็นเวลา 10 ปี พวกเขาสังเกตเห็นว่ากลุ่มชาวจีนอีกกลุ่มหนึ่งเพิ่งประสบความสำเร็จในผลลัพธ์ที่คล้ายคลึงกันด้วยโครงสร้าง heterostructure ของ van der Waals ที่ทำจากโมลิบดีนัมไดซัลไฟด์ โบรอนไนไตรด์หกเหลี่ยม และกราฟีนหลายชั้น
คำถามสำคัญในตอนนี้คือว่านักวิจัยสามารถสร้างอุปกรณ์ดังกล่าวในเชิงพาณิชย์ได้หรือไม่ “นี่คือจุดอ่อนของอุปกรณ์เหล่านี้ส่วนใหญ่” Jariwala กล่าว “เมื่อพูดถึงการใช้งานจริง ความสามารถในการปรับขนาดและความสามารถในการรวมอุปกรณ์เหล่านี้เข้ากับโปรเซสเซอร์ซิลิคอนถือเป็นปัญหาที่ท้าทายจริงๆ”
ลองนึกภาพว่าสามารถอ่านหนังสือทั้งเล่มได้ในหนึ่งวินาที แต่ได้รับหน้าทีละหน้าในช่วงเวลาหนึ่งนาทีเท่านั้น สิ่งนี้เปรียบได้กับความฉิบหายของซูเปอร์คอมพิวเตอร์
โปรเซสเซอร์ซูเปอร์คอมพิวเตอร์สามารถรองรับข้อมูลจำนวนมหาศาลต่อวินาที แต่การไหลของข้อมูลระหว่างโปรเซสเซอร์และระบบย่อยของคอมพิวเตอร์นั้นแทบไม่มีประสิทธิภาพเท่าที่ควร ทำให้เกิดคอขวดในการถ่ายโอนข้อมูล เพื่อแก้ไขปัญหานี้ นักวิจัยกลุ่มหนึ่งได้คิดค้นการออกแบบระบบที่เกี่ยวข้องกับเครือข่ายที่กำหนดค่าใหม่ได้ที่เรียกว่า FLEET ซึ่งอาจเพิ่มความเร็วในการถ่ายโอนข้อมูลได้ถึง 100 เท่า การออกแบบเบื้องต้นเป็นส่วนหนึ่งของ“DARPA แข็งโครงการ” อธิบายไว้ในการศึกษาที่ตีพิมพ์ในวันที่ 30 เดือนเมษายนในIEEE อินเตอร์เนทคอมพิวเตอร์
การ์ดอินเทอร์เฟซเครือข่ายเป็นส่วนประกอบฮาร์ดแวร์ที่สำคัญที่เชื่อมโยงคอมพิวเตอร์กับเครือข่าย ซึ่งอำนวยความสะดวกในการถ่ายโอนข้อมูล อย่างไรก็ตาม ส่วนประกอบเหล่านี้ในปัจจุบันล้าหลังโปรเซสเซอร์คอมพิวเตอร์ในแง่ของความรวดเร็วในการจัดการข้อมูล
“โปรเซสเซอร์และเครือข่ายออปติคัลทำงานที่เทราบิตต่อวินาที (Tbps) แต่อินเทอร์เฟซเครือข่าย [ปัจจุบัน] ที่ใช้ในการถ่ายโอนข้อมูลเข้าและออกมักจะทำงานในช่วงกิกะบิตต่อวินาที” Seth Robertson หัวหน้านักวิทยาศาสตร์การวิจัยของPeraton Labs อธิบาย (ก่อนหน้านี้มีชื่อว่า Perspecta Labs) ที่ได้ร่วมเป็นผู้นำการออกแบบของ FLEET
ส่วนหนึ่งของการแก้ปัญหาของทีมคือการพัฒนา Optical Network Interface Cards (O-NIC) ซึ่งสามารถเสียบเข้ากับฮาร์ดแวร์คอมพิวเตอร์ที่มีอยู่ได้ ในขณะที่การ์ดอินเทอร์เฟซเครือข่ายแบบเดิมมักมีพอร์ตเดียว O-NIC ที่ออกแบบใหม่จะมีพอร์ตสองพอร์ตและสามารถรองรับการถ่ายโอนข้อมูลระหว่างส่วนประกอบย่อยของคอมพิวเตอร์ประเภทต่างๆ ได้ O-NIC เชื่อมต่อกับสวิตช์แบบออปติคัล ซึ่งช่วยให้ระบบกำหนดค่าการไหลของข้อมูลใหม่ได้อย่างรวดเร็วตามต้องการ

slot

Fred Douglis หัวหน้านักวิทยาศาสตร์การวิจัยของ Peraton Labs และผู้ตรวจสอบร่วมของ FLEET อธิบายว่า “การเชื่อมต่อสามารถแก้ไขได้ก่อนหรือระหว่างการดำเนินการเพื่อให้ตรงกับอุปกรณ์ต่างๆ เมื่อเวลาผ่านไป เขาเปรียบแนวคิดนี้กับ Grand Staircase ที่เคลื่อนที่ไปมาในโรงเรียนฮอกวอตส์ของ Harry Potter “ลองนึกภาพบันไดของฮอกวอตส์ถ้าปรากฏอยู่เสมอเหมือนกับที่คุณจำเป็นต้องเดินไปในที่ใหม่ๆ” เขากล่าว
เพื่อสนับสนุนการกำหนดค่าใหม่ นักวิจัยได้ออกแบบโปรแกรมวางแผนซอฟต์แวร์ใหม่ที่กำหนดการกำหนดค่าที่ดีที่สุดและปรับการไหลของข้อมูลตามลำดับ “ในด้านซอฟต์แวร์ นักวางแผนที่สามารถใช้ประโยชน์จากความยืดหยุ่นนี้ได้จริงเป็นสิ่งสำคัญในการตระหนักถึงการปรับปรุงประสิทธิภาพที่เราคาดหวัง” Douglis เน้นย้ำ “โทโพโลยีที่หลากหลายสามารถส่งผลให้มีข้อมูลหลายสิบเทราบิตในการบินในช่วงเวลาที่กำหนด”

Posted in Slot | Tagged , , , , , | Comments Off on ถาม & ตอบกับนักวิจัยการเข้ารหัสหลังควอนตัมคอมพิวเตอร์ Jintai Ding

Ion Teleportation Scheme สามารถปรับขนาดคอมพิวเตอร์ควอนตัมได้

Ion Teleportation Scheme สามารถปรับขนาดคอมพิวเตอร์ควอนตัมได้

jumbo jili

ทีมนักวิทยาศาสตร์ประกาศในวันนี้ในวารสารScienceว่าในการสาธิตกลศาสตร์ควอนตัมที่แปลกประหลาดครั้งหนึ่งทีมนักวิทยาศาสตร์สามารถเคลื่อนย้ายสถานะควอนตัมของไอออนหนึ่งไปยังอีกสถานะหนึ่งได้ในระยะหนึ่งเมตร แม้ว่าเราจะคุ้นเคยกับการนึกถึงการเคลื่อนย้ายทางไกลในเวอร์ชันStar Trekแต่สิ่งที่นักฟิสิกส์เรียกว่าการเคลื่อนย้ายทางไกลคือการทำแผนที่ที่แน่นอนของคุณลักษณะควอนตัมของอนุภาคหนึ่งไปยังอีกอนุภาคที่อยู่ห่างไกล นั่นสำคัญเพราะคอมพิวเตอร์ควอนตัมในอนาคตและเครือข่ายการเข้ารหัสควอนตัมต้องการวิธีการจัดเก็บข้อมูลและเคลื่อนย้ายข้อมูลบางอย่าง

สล็อต

ในทศวรรษที่ผ่านมา นักฟิสิกส์ได้แสดงให้เห็นว่าการเคลื่อนย้ายมวลสารเป็นไปได้ด้วยสนามแม่เหล็ก โฟตอน และแม้แต่อะตอม สิ่งที่ทำให้ผลลัพธ์ใหม่นี้ – โดย Christopher Monroe จาก University of Maryland และเพื่อนร่วมงานของเขา – น่าสนใจคือทีมใช้วิธีการแบบไฮบริดที่เกี่ยวข้องกับอะตอมและโฟตอนที่เหมาะกับเครือข่ายข้อมูลควอนตัมและคอมพิวเตอร์ควอนตัม ในทางทฤษฎี มอนโรกล่าวว่า เทคนิคที่พวกเขาคิดค้นสามารถขยายออกไปได้ไกลถึงหลายพันกิโลเมตร แม้ว่าทั้งหมดที่พวกเขาได้แสดงให้เห็นคือหนึ่งเมตร
Raymond Laflamme ผู้อำนวยการ Institute for Quantum Computing แห่ง University of Waterloo ในแคนาดา เรียกมันว่า “การทดลองที่ประณีตและเป็นก้าวที่สำคัญ ซึ่งแสดงให้เห็นถึงการควบคุมควอนตัมที่ดีมาก และนำการเคลื่อนย้ายควอนตัมเข้าใกล้การใช้งานจริงอีกขั้นหนึ่ง”
ที่หัวใจของการเคลื่อนย้ายมวลสารมีเอฟเฟกต์กลศาสตร์ควอนตัมที่เรียกว่าการพัวพัน ปรากฏการณ์ดังกล่าวทำให้อนุภาคสองชนิด เช่น โฟตอน อะตอม หรือไอออน เชื่อมโยงกันในลักษณะที่ว่าถ้ามีใครวัดสถานะควอนตัมของวัตถุหนึ่ง สถานะของอีกวัตถุหนึ่งก็จะเป็นที่รู้จักเช่นกัน โฟตอนที่พันกันมักใช้ในเครือข่ายข้อมูลควอนตัมทดลอง แต่ในขณะที่โฟตอนจะง่ายต่อการส่ง (หลังจากทั้งหมดที่พวกเขาย้ายไปอยู่กับความเร็วสูงสุดในจักรวาล) พวกเขามีความยากลำบากในการจัดเก็บ ในทางกลับกัน อะตอมและไอออนรักษาพันธนาการไว้เป็นเวลานาน แต่การที่พวกมันมีมวลมาก จึงยากต่อการเคลื่อนย้ายจากที่หนึ่งไปยังอีกที่หนึ่ง
ความงามของวิธีการเคลื่อนย้ายมวลสารของมอนโรคือการที่มันเป็นการผสมผสานที่ชาญฉลาดของจุดแข็งของโฟตอนและไอออน ทีมของเขาใช้อิตเทอร์เบียมไอออน 2 ตัวที่กักขังไว้ในกับดักไอออนแม่เหล็กไฟฟ้าและระบายความร้อนด้วยเลเซอร์ เป้าหมายคือการเคลื่อนย้ายสถานะควอนตัมของอิตเทอร์เบียมไอออนหนึ่งไปยังอีกสถานะหนึ่ง ไอออนทั้งสองถูกเตรียมสำหรับการพัวพันด้วยคลื่นไมโครเวฟ จากนั้นจึงกระตุ้นด้วยคลื่นเลเซอร์ที่เร็วมาก ไอออนแต่ละตัวจะปล่อยโฟตอนออกมา ซึ่งเข้าไปพัวพันกับสถานะของไอออน ด้วยขั้นตอนที่ซับซ้อนหลายขั้นตอน ระบบจะถ่ายโอนสถานะควอนตัมของอิตเทอร์เบียมไอออนหนึ่งไปยังอีกสถานะหนึ่ง
Norbert Lütkenhaus จาก Institute for Quantum Computing กล่าวว่าแนวทางของ Monroe นั้น “สมเหตุสมผล” เขากล่าวว่า ”เทคนิคนี้ช่วยให้พวกมันจับคู่กับดักไอออนด้วยวิธีทางแสงนี้”
Monroe กล่าวว่าวิธีการแบบไฮบริดจะช่วยให้สามารถสร้างควอนตัมทวนสัญญาณ ซึ่งเป็นอุปกรณ์ที่ยังคงเป็นทฤษฎีที่จำเป็นในการสร้างเครือข่ายการเข้ารหัสควอนตัมขนาดใหญ่ และจะเป็นประโยชน์สำหรับการสร้างคอมพิวเตอร์ควอนตัมด้วย การออกแบบของกลุ่มของเขาสำหรับคอมพิวเตอร์ควอนตัมที่ปรับขนาดได้คือการสร้างกับดักไอออนหลายตัวบนชิป ไอออนทำหน้าที่เป็นควอนตัมบิตและสามารถคำนวณได้เมื่อวางไว้ใกล้กันในกับดัก อย่างไรก็ตาม เพื่อให้ได้ผลลัพธ์จากกับดักหนึ่งไปยังการคำนวณในอีกกับดักหนึ่งโดยไม่มีการเคลื่อนย้ายทางไกล จะต้องมีงานที่ยากลำบากในการย้ายไอออนไปรอบๆ บนชิป เขากล่าวว่าการเคลื่อนย้ายทางไกล ”อาจเป็นวิธีการปรับขนาดได้มากที่สุด” ในการสร้างคอมพิวเตอร์ชิปไอออน
ดิ๊ก สลัชเชอร์ แห่งสถาบันวิจัยเทคโนโลยีจอร์เจีย ไม่แน่ใจนัก “ผมคิดว่าโดยหลักการแล้ว กระบวนการเทเลพอร์ตนี้จะช่วยอำนวยความสะดวกในการคำนวณควอนตัม” เขากล่าว ”อย่างไรก็ตาม มีหลายวิธีในการบรรลุมาตราส่วนนี้ รวมถึงการขนส่งไอออนและลำดับพัลส์ที่แก้ไขข้อผิดพลาด การเทเลพอร์ตอาจเป็นกระบวนการสำคัญในการปรับขนาด แต่ฉันคิดว่ามันเร็วเกินไปที่จะแน่ใจในเรื่องนี้”
เพื่อชดเชย สัญญาณที่ส่งกลับจะถูกสร้างขึ้นใหม่โดยใช้สแน็ปช็อตที่ถ่ายจากเสาอากาศแต่ละคู่ ณ ช่วงเวลาที่คลื่นกระทบ ผู้ปฏิบัติงานควบคุมเรดาร์ด้วยระบบอิเล็กทรอนิกส์เพื่อหันเข้าหาทิศทางของเสียงสะท้อน ขีดบอกเวลาของนาฬิกาแซฟไฟร์ช่วยให้ JORN จับเวลาสแน็ปช็อตแต่ละสแน็ปช็อตได้อย่างแม่นยำมากกว่าที่เคยด้วยออสซิลเลเตอร์แบบควอตซ์ “เราอ่านค่าจากเสาอากาศแต่ละอันในเวลาที่ต่างกันเล็กน้อย” Wynd กล่าว “ยิ่งความแม่นยำของแหล่งเวลาและการกระจายของมันมากเท่าไหร่ เรดาร์ก็จะสามารถแก้ไขเป้าหมายได้ดีขึ้นเท่านั้น”
ศักยภาพของนาฬิกาแซฟไฟร์นั้นชัดเจน กองทัพออสเตรเลียให้ทุนสนับสนุนการผลิตนาฬิกาต้นแบบ 2 เรือน และบินไปที่ควีนส์แลนด์เพื่อทำการทดลอง จากนั้นทีมงานได้ค้นพบปัญหาในการใช้นาฬิกาที่แม่นยำที่สุดในโลก: คุณจะรู้ได้อย่างไรว่านาฬิกาทำงานได้หรือไม่
เนื่องจากนาฬิกามีความแม่นยำมากกว่านาฬิการุ่นอื่นๆ ถึง 3 ระดับ จึงเป็นการยากที่จะวัดว่านาฬิกาทำงานอย่างถูกต้องหรือไม่ โชคดีที่มีสองคนนี้ “เราสามารถเปรียบเทียบหนึ่งกับอีกคนหนึ่งได้” Wynd อธิบาย
นาฬิกายังคงอยู่ที่ไซต์เรดาร์เป็นเวลาแปดสัปดาห์ ทำการทดสอบซึ่งกันและกันและเป็นส่วนหนึ่งของ JORN แม้ว่าเทคโนโลยีจะยังไม่เป็นส่วนถาวรของเรดาร์ แต่มีแผนจะรวมเข้ากับระบบเป็นอย่างดี “วิทยาศาสตร์ใช้งานได้ แต่ JORN มีข้อกำหนดด้านประสิทธิภาพในแง่ของความพร้อมใช้งานและการสนับสนุน” Wynd อธิบาย “แนวทางทางวิศวกรรมนั้นแตกต่างจากการสร้างต้นแบบ”
“ภายใต้ความคืบหน้าที่น่าพอใจ มีจุดมุ่งหมายที่จะเปลี่ยน Cryogenic Sapphire Oscillator เป็น JORN” โฆษกกองทัพออสเตรเลียกล่าว
การคำนวณควอนตัมเป็นอีกหนึ่งแอพพลิเคชั่นสำหรับนาฬิกาแซฟไฟร์เพราะมันต้องการเวลาที่แม่นยำมากเช่นกัน อย่างแรก สรุปทฤษฎีอย่างรวดเร็ว: ชิปคอมพิวเตอร์แบบดั้งเดิมจะพลิกกระแสไฟฟ้าออกแล้วเปิดใหม่เพื่อสร้างบิตข้อมูลไบนารี แทนด้วย 0 หรือ 1 ในทางกลับกัน คอมพิวเตอร์ควอนตัมพึ่งพาqubits —อนุภาคอะตอมที่มีอยู่ ในสถานะซ้อนที่ซับซ้อน มักอธิบาย ( บางทีแบบง่าย ๆ ) ว่าเป็น 0 และ 1 ในเวลาเดียวกัน ผลที่ได้คือการเพิ่มปริมาณข้อมูลที่ระบบ qubits สามารถเข้ารหัสได้อย่างมาก และด้วยเหตุนี้จึงประมวลผล ประสิทธิภาพที่เป็นไปได้ของคอมพิวเตอร์ควอนตัมจะเพิ่มขึ้นแบบทวีคูณด้วยจำนวนคิวบิต
อย่างไรก็ตาม ปัญหาของ qubits ก็คือมันไม่เสถียรและมีแนวโน้มที่จะเกิดข้อผิดพลาด หากสภาวะภายนอกเปลี่ยนแปลง เช่น เนื่องจากสนามแม่เหล็กไฟฟ้าที่กำหนด ประสิทธิภาพการทำงานอาจได้รับผลกระทบอย่างมาก Michael Biercukผู้อำนวยการห้องปฏิบัติการควบคุมควอนตัมของมหาวิทยาลัยซิดนีย์และผู้ก่อตั้งQ-CTRLแห่งมหาวิทยาลัยซิดนีย์อธิบาย “ความเสื่อมโทรมนั้นเป็นข้อจำกัดที่สำคัญ” “มันคือจุดอ่อนของจุดอ่อนของสนาม”

สล็อตออนไลน์

มีความพยายามอย่างมากในการสร้างฮาร์ดแวร์ที่ดีขึ้นเพื่อรองรับโลกภายนอกและปกป้อง qubits แต่ยังไม่เพียงพอ “ไม่ใช่แค่โลกภายนอกที่ทำให้คุณยุ่งเหยิง” Biercuk อธิบาย “ในขณะที่ฮาร์ดแวร์ควอนตัมดีขึ้นมาก เราต้องเริ่มกังวลว่านาฬิกาหลักที่ใช้ในการซิงโครไนซ์อุปกรณ์ทั้งหมดทำงานอย่างไร”
ขีดของนาฬิกาหลักช่วยซิงโครไนซ์ไมโครเวฟที่ตรงกับความถี่ธรรมชาติของ qubits เพื่อให้ไมโครเวฟได้รับการปรับเพื่อจัดการกับ qubits นาฬิกาที่ไม่เสถียรสามารถเปลี่ยนความถี่ของไมโครเวฟได้ ซึ่งอาจทำให้เกิดข้อผิดพลาดที่แยกไม่ออกจากความไม่เสถียรใน qubit เอง
Biercuk กล่าวว่า “เพื่อให้มีระบบคอมโพสิตที่ดี – นาฬิกาหลักบวกกับ qubit – เราต้องการแหล่งไมโครเวฟที่เสถียร” Biercuk กล่าว “นี่คือสิ่งที่นาฬิกาแซฟไฟร์สร้างขึ้นสำหรับเรา”
ห้องปฏิบัติการควบคุมควอนตัมซื้อนาฬิกาแซฟไฟร์ในปี 2018 และใช้เพื่อสร้างคอมพิวเตอร์ควอนตัมที่แข็งแกร่งและเสถียรยิ่งขึ้น ผลลัพธ์เบื้องต้นแสดงให้เห็นว่าด้วยการใช้นาฬิกาแซฟไฟร์ อายุการใช้งานที่มีประโยชน์ของ qubits ได้รับการขยายออกไปอีกเก้าเท่าเมื่อเทียบกับทางเลือกอื่นๆ
“นาฬิกาแซฟไฟร์ให้ความถี่เริ่มต้นที่บริสุทธิ์ ซึ่งเราสามารถมอดูเลตเพื่อใช้การดำเนินการลอจิกควอนตัมที่ทนทานต่อแหล่งที่มาของข้อผิดพลาดอื่น ๆ ได้” Biercuk กล่าว “การรวมระบบนี้กับการอ้างอิง [นาฬิกา] ของอะตอมไม่เพียงแต่ให้ความถี่สัมบูรณ์เท่านั้น วัดผลแต่ยังมีเสถียรภาพในระยะยาวที่ดีเยี่ยมในช่วงหลายเดือนและหลายปี”
ควรไพลินนาฬิกาช่วยให้คอมพิวเตอร์ควอนตัมในทางปฏิบัติก็ทางอ้อมจะก้าวหน้าของการวิจัยยาและการเข้ารหัส การวิจัยและพัฒนายาในระยะเริ่มต้นส่วนใหญ่ใช้คอมพิวเตอร์เพื่อจำลองหรือวิเคราะห์โมเลกุลในบริบทของกลไกการเกิดโรค คอมพิวเตอร์ควอนตัมสามารถจำลองและเปรียบเทียบโมเลกุลที่มีขนาดใหญ่กว่าคอมพิวเตอร์ทั่วไปได้ ในการเข้ารหัส วิธีควอนตัมสามารถทำลายอัลกอริธึมการเข้ารหัสที่ตอนนี้ต้องใช้เวลาหลายศตวรรษในการทำลาย ทำให้ชีวิตดิจิทัลของเราแทบทุกส่วนมีความเสี่ยง
ความท้าทายที่สำคัญยังคงอยู่แน่นอน คงจะดี ตัวอย่างเช่น หากนักวิจัยสามารถหาวิธีลดขนาดทั้งขนาดและราคาของเครื่องทำความเย็นที่ห่อหุ้มแซฟไฟร์ได้ ทีมงานกำลังปรับรื้ออุปกรณ์ให้ทำงานที่ 50 K โดยการเพิ่มความเข้มข้นของสิ่งเจือปนแม่เหล็กในคริสตัลโดยไม่ทำให้เกิดการสูญเสียเพิ่มเติม นั่นคืออุณหภูมิที่ไนโตรเจนเหลวเข้าถึงไม่ได้ แต่มันง่ายกว่า 6 K มาก มันจะทำให้ตัวทำความเย็นราคาถูกลง
ทีมงานได้ยื่นจดสิทธิบัตรชั่วคราวสำหรับการพัฒนาครั้งนี้ และได้รับความสนใจจากอุตสาหกรรมการบินและโทรคมนาคมอยู่แล้ว มีรายงานว่ามีสัญญาสำคัญในการทำงาน
“มีความสนใจที่จะวางนาฬิกาไว้บนเครื่องบิน และเราหวังว่าจะมีโอกาสในระบบโทรคมนาคม 5G” Luiten กล่าว
หากประสบความสำเร็จ Luiten และทีมของเขาจะเข้าใกล้การปีนเขาและวัดเอเวอเรสต์ทางวิทยาศาสตร์ไปอีกขั้น ผลจากการปีนยาวของพวกเขาเร็ว ๆ นี้อาจจะกลายเป็นภาพธรรมดาที่เงียบสงบและไม่สร้างความรำคาญเครื่องที่บอกว่าเป็นเรื่องที่น่าทึ่งในบริสุทธิ์ภาษาแม่นยำ: เห็บเห็บเห็บ
วงจรชีวภาพซึ่งทำจาก DNA สังเคราะห์ มีการใช้งานทางการแพทย์ที่สำคัญอย่างเหลือเชื่อ แม้ว่าเทคโนโลยีนี้จะยังอยู่ในช่วงเริ่มต้น แต่แนวทางนี้ถูกใช้เพื่อสร้างการทดสอบเพื่อวินิจฉัยโรคมะเร็งและ ระบุอาการบาดเจ็บภายในเช่น อาการบาดเจ็บที่สมอง ภาวะช็อกจากเลือดออก และอื่นๆ เช่นกัน สามารถใช้วงจรชีวภาพสังเคราะห์เพื่อส่งยาไปยังเซลล์ได้อย่างแม่นยำในปริมาณที่กำหนดตามความจำเป็น
จำนวนการใช้งานที่เป็นไปได้ของวงจรชีวภาพนั้นมีมากมาย เช่นเดียวกับการคำนวณที่จำเป็นในการระบุปฏิกิริยาทางเคมีที่เหมาะสมสำหรับพวกมัน แต่การออกแบบวงจรเหล่านี้จะง่ายขึ้นด้วยโปรแกรมซอฟต์แวร์ที่ได้รับการปรับปรุงใหม่ ความก้าวหน้าอธิบายไว้ในเมื่อเร็ว ๆ นี้การศึกษาที่ตีพิมพ์ในIEEE ออกแบบและทดสอบ

jumboslot

Renan Marks ผู้ช่วยศาสตราจารย์แห่งคณะคอมพิวเตอร์ที่ Universida de Federal de Mato Grosso do Sul (UFMS) มีส่วนร่วมในการศึกษาครั้งนี้ ทีมของเขาเริ่มสร้างโปรแกรมซอฟต์แวร์ชื่อ DNAr ซึ่งนักวิจัยสามารถใช้เพื่อจำลองปฏิกิริยาเคมีต่างๆ และออกแบบวงจรทางชีววิทยาใหม่ในภายหลัง ในงานล่าสุดของพวกเขา พวกเขาได้พัฒนาซอฟต์แวร์ส่วนขยายสำหรับโปรแกรมที่เรียกว่า DNAr-Logic ซึ่งช่วยให้นักวิทยาศาสตร์สามารถอธิบายวงจรที่ต้องการได้ในระดับสูง ซอฟต์แวร์ใช้คำอธิบายระดับสูงของวงจรลอจิกนี้และแปลงเป็นเครือข่ายปฏิกิริยาเคมีที่สามารถสังเคราะห์ได้ในสายดีเอ็นเอ
Marks กล่าวว่าข้อดีของส่วนขยายซอฟต์แวร์ใหม่ของทีมคือช่วยให้นักวิทยาศาสตร์สามารถมุ่งเน้นไปที่การออกแบบวงจร แทนที่จะต้องกังวลเกี่ยวกับการคำนวณและรายละเอียดของปฏิกิริยาลูกโซ่เคมี “พวกเขาสามารถออกแบบและจำลอง [วงจรชีวภาพ] โดยใช้ DNAr-Logic โดยไม่ต้องมีความรู้ด้านเคมีมาก่อนและไม่ต้องเขียนปฏิกิริยานับร้อย—และสมการเชิงอนุพันธ์ที่จำเป็นในการจำลองพฤติกรรมแบบไดนามิกของมัน—ด้วยมือ” Marks กล่าว “ซอฟต์แวร์ช่วยยกรายละเอียดปฏิกิริยาเคมีออกจากไหล่ของนักวิทยาศาสตร์”
ทีมของเขาทดสอบซอฟต์แวร์ใหม่ในชุดการจำลอง “ผลการวิจัยพบว่าวงจรลอจิกสามารถออกแบบ จำลอง และทดสอบได้อย่างไม่มีที่ติ” Marks กล่าว โดยสังเกตว่าสามารถใช้ DNAr-Logic เพื่อออกแบบวงจรทางชีววิทยาสังเคราะห์บางตัวที่สามารถสร้างปฏิกิริยาได้ถึง 600 ปฏิกิริยาที่แตกต่างกัน
อย่างไรก็ตาม ยังมีอุปสรรคหลายประการในการนำเทคโนโลยีนี้มาใช้ในการประยุกต์ใช้ทางการแพทย์อย่างเต็มที่ ประเด็นที่โดดเด่นประการหนึ่งคือวงจรทางชีววิทยาที่ประกอบด้วยสายดีเอ็นเอที่หลวมอาจเกิด “ปฏิกิริยารั่ว” นี่คือเวลาที่สายบางเส้นอาจทำปฏิกิริยากับสายอื่นๆ ในสารละลายโดยไม่ได้ตั้งใจ ส่งผลให้ “การคำนวณ” ไม่ถูกต้อง Marks รับทราบว่าในขณะที่ประเด็นต่างๆ เช่น ปฏิกิริยาการรั่วไหลยังคงต้องได้รับการแก้ไข วงจรชีวภาพสังเคราะห์มีศักยภาพมหาศาล “การวิจัยสาขาใหม่นี้เปิดโอกาสที่ไม่รู้จบ” เขากล่าว
ก้าวไปข้างหน้า Marks กล่าวว่า “ฉันวางแผนที่จะพัฒนาส่วนขยายใหม่ต่อไปเพื่อขยายซอฟต์แวร์ DNAr ด้วยความสามารถใหม่ที่นักวิจัยคนอื่นๆ สามารถไว้วางใจได้ นอกจากนี้ ฉันวางแผนที่จะใช้ DNAr เป็นกรอบการทำงานเพื่อช่วยในการวิจัยและพัฒนาวงจรใหม่โดยใช้อัลกอริธึมที่สามารถช่วยให้ผู้เชี่ยวชาญด้านสุขภาพวินิจฉัยการเจ็บป่วยได้เร็วขึ้นและมีประสิทธิภาพมากขึ้นในการรักษาสุขภาพ”
Sundar Pichai ซีอีโอของ Google กล่าวว่าชิป AI รุ่นล่าสุดของบริษัทคือ TPU V4 (Tensor Processing Unit เวอร์ชัน 4) มีความสามารถในการประมวลผลมากกว่ารุ่นก่อนถึงสองเท่า ที่งาน I/O ของ Googleในสัปดาห์นี้ Pichai ให้รายละเอียดเกี่ยวกับประสิทธิภาพของชิป โดยระบุว่าเมื่อรวมกันเป็น “พ็อด” ของโปรเซสเซอร์ 4096 ซึ่งเป็นคลัสเตอร์เซิร์ฟเวอร์ที่ระบายความร้อนด้วยของเหลวที่เชื่อมต่อถึงกัน – TPU V4s สามารถบีบอัดผ่านการดำเนินงานนับพันล้านครั้ง ต่อวินาที หรือexaflopซึ่งเป็นเหตุการณ์สำคัญที่มีมายาวนาน

slot

“นี่เป็นระบบที่เร็วที่สุดที่เราเคยนำไปใช้ใน Google และก้าวประวัติศาสตร์สำหรับเรา” พิชัยกล่าวว่า ซูเปอร์คอมพิวเตอร์ชั้นนำยังไม่ถึงระดับ exaflop แต่พ็อด TPU V4 ไม่ได้อยู่ในลีกของพวกเขาจริงๆ เพราะมันคำนวณด้วยตัวเลขที่มีความแม่นยำต่ำกว่าซูเปอร์คอมพิวเตอร์ทางวิทยาศาสตร์
AI ที่ทรงพลังมีความจำเป็นอย่างยิ่งสำหรับการฝึกอบรมโครงข่ายประสาทเทียมขนาดใหญ่ที่ใช้ระบบการคาดคะเนและการประมวลผลภาษาธรรมชาติซึ่งเป็นส่วนประกอบสำคัญของการค้าดิจิทัลในปัจจุบัน Google ได้แสดงตัวอย่างความสามารถของ TPU V4 ในพื้นที่นั้นเมื่อปีที่แล้ว เมื่อเปรียบเทียบสามระบบในชุดการฝึก v0.7 ของ MLPerfซึ่งเปิดตัวในเดือนกรกฎาคม 2020

Posted in Slot | Tagged , , , , , , , , , , | Comments Off on Ion Teleportation Scheme สามารถปรับขนาดคอมพิวเตอร์ควอนตัมได้

นักเข้ารหัสใช้คอมพิวเตอร์ควอนตัม

นักเข้ารหัสใช้คอมพิวเตอร์ควอนตัม

jumbo jili

การอัปเดตซอฟต์แวร์ อีเมล การธนาคารออนไลน์ และขอบเขตทั้งหมดของการเข้ารหัสคีย์สาธารณะและลายเซ็นดิจิทัลใช้รูปแบบการเข้ารหัสเพียงสองแบบเพื่อรักษาความปลอดภัย นั่นคือ RSA และการเข้ารหัสแบบเส้นโค้งวงรี (ECC) พวกมันทำไม่ได้จริง ๆ สำหรับคอมพิวเตอร์ในปัจจุบันที่จะถอดรหัส แต่ถ้าคอมพิวเตอร์ควอนตัมถูกสร้างขึ้น ซึ่งบางคนคาดการณ์ว่าอาจเกิดขึ้นทันทีใน 10 ปีนับจากนี้ มันจะทรงพลังพอที่จะทำลายรหัสทั้งสองได้ นักเข้ารหัสเริ่มจัดการกับภัยคุกคามอย่างจริงจัง และในฤดูใบไม้ร่วงที่ผ่านมา หลายคนรวมตัวกันที่การประชุม PQCrypto ในเมือง Cincinnati เพื่อตรวจสอบทางเลือกอื่น

สล็อต

การเปลี่ยนใด ๆ จะมีรองเท้าขนาดใหญ่เติม RSA ใช้สำหรับระบบการเข้ารหัสคีย์สาธารณะส่วนใหญ่ของเรา โดยที่ข้อความจะถูกเข้ารหัสด้วยคีย์ที่เปิดเผยต่อสาธารณะ และต้องถอดรหัสด้วยคีย์ลับที่เกี่ยวข้องกับคณิตศาสตร์ ECC ใช้สำหรับลายเซ็นดิจิทัลเป็นหลัก ซึ่งมีวัตถุประสงค์เพื่อพิสูจน์ว่าข้อความถูกส่งโดยผู้ส่งที่อ้างสิทธิ์จริงๆ Johannes Buchmann ประธานร่วมของการประชุมและศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์และคณิตศาสตร์ที่ Technische Universität Darmstadt ในเยอรมนี กล่าวว่า “ปัญหาทั้งสองนี้เปรียบเสมือนขาเล็กๆ สองข้างที่มีลายเซ็นดิจิทัลและการเข้ารหัสคีย์สาธารณะขนาดใหญ่ทั้งหมด
เหตุผลที่คอมพิวเตอร์ควอนตัมเป็นภัยคุกคามต่อ RSA และ ECC ก็คือเครื่องดังกล่าวคำนวณโดยใช้ฟิสิกส์ควอนตัม บิตสามารถแทนค่า 1 หรือ 0 ในคอมพิวเตอร์ควอนตัม บิตสามารถแทน 1 หรือ 0 หรือส่วนผสมของทั้งสองในเวลาเดียวกัน ทำให้คอมพิวเตอร์ดำเนินการคำนวณหลาย ๆ พร้อมกัน มาร์ติน โนวอตนี ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมไฟฟ้าของมหาวิทยาลัยเทคนิคเช็ก ในกรุงปราก ระบุว่า วิธีนี้จะช่วยลดระยะเวลาที่จำเป็นในการทำลายรหัส RSA 1024 บิตที่แข็งแกร่งจากหลายพันล้านปีให้เหลือเพียงไม่กี่นาที
แต่คอมพิวเตอร์ควอนตัมไม่มีข้อได้เปรียบเหนือรูปแบบการเข้ารหัสทุกประเภท ผู้เชี่ยวชาญกล่าวว่ามีผู้สมัครรายใหญ่สี่รายที่จะเข้ามาแทนที่ RSA และ ECC ที่จะรอดพ้นจากการโจมตีด้วยคอมพิวเตอร์ควอนตัม ความเป็นไปได้ที่สำคัญประการหนึ่งคือการแทนที่ลายเซ็นดิจิทัลของ ECC ที่เรียกว่ารูปแบบลายเซ็นแบบแฮช ฟังก์ชันแฮชคืออัลกอริธึมที่แปลงข้อความเป็นสตริงบิตที่ค่อนข้างสั้น เรียกว่าลายเซ็น การรักษาความปลอดภัยขึ้นอยู่กับความสามารถในการสร้างลายเซ็นเฉพาะสำหรับข้อมูลใดๆ แม้แต่อินพุตที่แตกต่างกันเพียงเล็กน้อยก็สามารถสร้างแฮชที่แตกต่างกันได้ Buchmann กล่าว
รหัสการแก้ไขข้อผิดพลาดสามารถทดแทนการเข้ารหัสคีย์สาธารณะได้ Buchmann กล่าว แบบแผนดังกล่าวจะทำให้เกิดข้อผิดพลาดในข้อความเพื่อให้อ่านไม่ได้ เฉพาะผู้รับข้อความที่ต้องการเท่านั้นที่จะมีรหัสที่ถูกต้องในการแก้ไขข้อผิดพลาดและทำให้เอกสารสามารถอ่านได้
อีกประเภทหนึ่งที่เป็นไปได้ของการแทนที่การเข้ารหัสคีย์สาธารณะที่เรียกว่าระบบเข้ารหัสคีย์สาธารณะแบบหลายตัวแปร (MPKC) ในการถอดรหัส เครื่องจักรต้องแก้สมการไม่เชิงเส้นหลายตัวแปร Jintai Ding ศาสตราจารย์ด้านคณิตศาสตร์จากมหาวิทยาลัย Cincinnati และประธานร่วมของการประชุมการเข้ารหัสกล่าว ดังนั้น MPKC จึงมีประโยชน์อย่างยิ่งในการใช้งานบางประเภท เช่น ชิป RFID ”ชิปและเซ็นเซอร์ RFID มีพลังในการประมวลผลและหน่วยความจำที่จำกัดมาก” Ding ผู้ซึ่งเชี่ยวชาญเฉพาะด้านคือ MPKC กล่าว “แต่สิ่งเหล่านี้ก็มีความสำคัญมากในการใช้งานจริง ดังนั้นพวกเขาจึงต้องปลอดภัย” เขากล่าวเสริม
นักวิทยาการเข้ารหัสลับกำลังพูดถึงระบบที่ใช้แลตทิซ โดยที่แลตทิซคือชุดของจุดในพื้นที่หลายมิติ อาจมีประโยชน์สำหรับทั้งลายเซ็นดิจิทัลและการเข้ารหัสคีย์สาธารณะ ระบบขัดแตะจะถูกถอดรหัสโดยการค้นหาระยะห่างที่สั้นที่สุดระหว่างจุดที่กำหนดในอวกาศกับตาข่าย Buchmann กล่าวว่าระบบขัดแตะมีแนวโน้มที่ดี แต่ยังต้องการการวิจัยเพิ่มเติมอีกมาก
ในขณะนี้ cryptosystems ของเรามีความปลอดภัย แต่ทั้ง Ding และ Buchmann เตือนว่าความจำเป็นในการพัฒนาทางเลือกอื่นกำลังเพิ่มขึ้นอย่างเร่งด่วนมากขึ้น เมื่อเราสร้างคอมพิวเตอร์คลาสสิกที่มีประสิทธิภาพมากขึ้น RSA และ ECC จะต้องซับซ้อนมากขึ้นเพื่อชดเชย ใน 10 หรือ 20 ปี เราอาจต้องยึด RSA จากจำนวนเฉพาะที่มีความยาวหลายพันหลักเพื่อเก็บความลับของเรา นานพอที่จะทำให้คอมพิวเตอร์บางเครื่องพังและแจ้งการเปลี่ยนใหม่ แม้ว่าคอมพิวเตอร์ควอนตัมจะกลายเป็นทางตันก็ตาม
สำหรับการใช้งานหลายอย่าง เช่น ระบบกำหนดตำแหน่งทั่วโลกโดยใช้ดาวเทียม ความแม่นยำเป็นสิ่งสำคัญยิ่ง และอย่าพลาดแม้แต่นาฬิกาอะตอมซีเซียมก็แม่นยำอย่างน่าทึ่ง นาฬิกาซีเซียม NIST-F2 ที่ดำเนินการโดยสถาบันมาตรฐานและเทคโนโลยีแห่งชาติของสหรัฐอเมริกาในเมืองโบลเดอร์ รัฐโคโล มีความแม่นยำมากจนต้องใช้เวลา300 ล้านปีจึงจะได้รับหรือสูญเสียวินาที
แต่สำหรับบางแอปพลิเคชัน ความแม่นยำมีความสำคัญน้อยกว่าความแม่นยำ ความแม่นยำไม่ได้เกี่ยวข้องกับการวาดวินาทีที่สมบูรณ์แบบแต่ต้องสร้างเห็บหรือการแกว่งที่สม่ำเสมอมาก ลองนึกภาพเกมปาเป้า นาฬิกาปรมาณูสามารถลงจอดลูกดอกทั้งหมด หรือการแกว่งไปมารอบ ๆ ตาวัว เพื่อให้ตำแหน่งเฉลี่ยอยู่ที่เป้าหมาย แม้ว่าลูกดอกใดก็ตามอาจอยู่ห่างจากจุดศูนย์กลางตายหนึ่งหรือสองเซนติเมตร อุปกรณ์ Luiten ไม่ได้มีจุดมุ่งหมายสำหรับวัวตา: แทนก็สามารถไปยังดินแดนปาเป้าทั้งหมดที่ตรงจุดเดียวกันบน dartboard ในคำอื่น ๆ แต่ละเห็บมันจริงๆจริงๆเช่นเดียวกับอีก
เพื่อให้ได้ความแม่นยำสูงมาก Luiten จำเป็นต้องค้นหาวัสดุที่สามารถคงการสั่นของคลื่นแม่เหล็กไฟฟ้าได้นานกว่าลำแสงของอะตอมซีเซียม อีกวิธีในการวางสิ่งนี้คือ เขาต้องการคริสตัลที่มีความบริสุทธิ์ของสเปกตรัมมากกว่า อันที่จะตอบสนองเฉพาะช่วงความถี่ที่แคบมาก เกือบจะเหมือนกับสายกีต้าร์ที่มีการสูญเสียต่ำที่สามารถสั่นเป็นเวลานานมากและด้วยเหตุนี้ที่ ความถี่ที่บริสุทธิ์มาก
กลับกลายเป็นแซฟไฟร์ ซึ่งเป็นผลึกของอะลูมิเนียมออกไซด์ที่สามารถสังเคราะห์ได้ในห้องปฏิบัติการ เมื่อเย็นถึง -267 ° C (6 เคลวิน) และทำเพื่อให้สั่นสมมาตรของประเภทของคริสตัลนี้ทำให้เกิดการสูญเสียพลังงานน้อยกว่าเกือบวัสดุอื่น ๆ ที่รู้จักกัน ลักษณะเฉพาะนี้ทำให้ไพลินเป็นพื้นผิวในอุดมคติสำหรับการแพร่กระจายรังสีแม่เหล็กไฟฟ้า เพชรน่าจะใช้ได้ แต่ราคาแพงสำหรับตัวอย่างขนาดใหญ่และบริสุทธิ์พิเศษ ซิลิคอนมีราคาถูก แต่เนื่องจากเป็นเซมิคอนดักเตอร์จึงทำให้เกิดการสูญเสียทางไฟฟ้าจำนวนมาก

สล็อตออนไลน์

“เราใช้แซฟไฟร์ทรงกระบอกที่มีขนาดใกล้เคียงกับไพลินธรรมชาติที่ใหญ่ที่สุดเท่าที่เคยพบมา” Luiten กล่าว “เราฉีดไมโครเวฟและพวกมันจะเคลื่อนที่ไปรอบ ๆ เส้นรอบวงของไพลินโดยธรรมชาติ”
ไมโครเวฟจะถูกฉีดด้วยความถี่เดียวกับการสั่นพ้องตามธรรมชาติของไพลิน ทำให้คลื่นไมโครเวฟกระเพื่อมผ่านพื้นผิวด้านนอกของผลึกเหมือนคลื่นเสียงที่เคลื่อนที่ไปตามผนังโค้ง “เมื่อคุณกระซิบที่เซนต์ปอลในลอนดอน เสียงจะเดินทางไปทั่วอาสนวิหาร” Luiten กล่าว “เราใช้แนวคิดเดียวกัน ยกเว้นเฉพาะชุดความถี่ที่ใช้งานได้”
เพื่อให้ความถี่ตรงกับเสียงสะท้อนตามธรรมชาติของไพลิน—จุดที่คลื่นของ “เสียงกระซิบ” เสริมแรงหลังจากการสั่นแต่ละครั้ง— Luiten และเพื่อนร่วมงานของเขาในแอดิเลดปรับอุณหภูมิเพื่อใช้ประโยชน์จากสิ่งสกปรกในคริสตัล “แซฟไฟร์มีโครงสร้างที่แข็งแรง ดังนั้นเมื่ออยู่ภายใต้แรงภายนอก เสียงก็ยังคงดังที่ความถี่เท่าเดิม” Luiten กล่าว
โชคไม่ดีที่คุณสมบัติเด่นของแซฟไฟร์ปรากฏขึ้นใกล้ศูนย์สัมบูรณ์เท่านั้น ดังนั้นต้องหาวิธีการบางอย่างเพื่อให้คริสตัลเย็นจัด ในช่วงต้นทศวรรษ 1990 เมื่อ Luiten สำเร็จการศึกษาระดับปริญญาเอก เขาจะวางไพลินไว้ที่ด้านล่างของขวด Thermos ขนาดยักษ์และเติมฮีเลียมเหลวลงในนั้น แต่ของเหลวจะเดือดทุกๆ หกหรือเจ็ดวัน และเขาและเพื่อนร่วมงานจะต้องเติมอีกครั้ง
Luiten ตัดสินใจติดตั้งแซฟไฟร์ในตู้เย็นแบบไครโอเจนิกส์ ซึ่งใช้ก๊าซฮีเลียมเพื่อให้คริสตัลเย็นและคงที่ อย่างไรก็ตาม ก๊าซเข้ามาในพัลส์แรงดันสูงซึ่งทำให้อุณหภูมิผันผวนและแซฟไฟร์สั่นสะเทือน ซึ่งทำให้ความสามารถในการรักษาเวลาลดลง John Hartnettเพื่อนร่วมงานของ Luiten เป็นผู้บุกเบิกวิธีการลดการสั่นสะเทือนที่เกิดจากระบบทำความเย็น โดยใช้เทคนิคการแยกโลหะและอ่างฮีเลียมเหลวขนาดเล็กแทนฮีเลียมที่เป็นก๊าซ
ติ๊กแต่ละอันก็เหมือนกันจริงๆ
“ฮีเลียมเหลวช่วยให้เรามีการเชื่อมต่อทางความร้อนที่ดีระหว่างแซฟไฟร์และตู้เย็น แต่ป้องกันการสั่นสะเทือนไม่ให้ผ่านเข้าไป” Luiten กล่าว
Cryogenic ไพลิน Oscillator ได้ดำเนินการในที่สุดรูปร่างและการทำงานของ Hartnett ได้รับเกียรติในปี 2010 กับ IEEE ของWG รางวัลเคดี้ ความท้าทายต่อไปคือการนำนาฬิกาแซฟไฟร์ไปสู่โลกภายนอก Luiten กล่าวว่า “ออสซิลเลเตอร์เป็นเครื่องมือทางวิทยาศาสตร์ที่บ้าคลั่งซึ่งสามารถทำการทดสอบที่น่าทึ่งเหล่านี้ได้ แต่การใช้งานนั้น จำกัด อยู่เท่านั้น”
Luiten และ Hartnett แยกเทคโนโลยีนี้ออกเป็นบริษัทชื่อ QuantX Labs ซึ่งตอนนี้ทั้งคู่กำกับการแสดง กลับกลายเป็นว่ายังทำไม่เสร็จ เนื่องจากนาฬิกามีปัญหาสองประการ: หนึ่ง ขนาดพอๆ กับตู้เย็นขนาดเล็ก นาฬิกาจึงใหญ่เกินไปสำหรับการใช้งานหลายอย่าง สอง มันแพง แม้ว่าบริษัทจะไม่พูดราคาแพงแค่ไหนก็ตาม แม้จะมีปัญหาเหล่านี้ แต่ก็มีองค์กรหนึ่งแห่งในออสเตรเลียที่มีทั้งความต้องการความแม่นยำที่ไม่มีใครเทียบได้และเงินที่ต้องจ่าย นั่นคือ Royal Australian Air Force (RAAF)

jumboslot

ในการตรวจสอบสำหรับการประมงที่ผิดกฎหมายหรือกิจกรรมอื่น ๆ ปิดที่กว้างใหญ่และมีประชากรแทบชายฝั่งทางตอนเหนือของออสเตรเลียที่ RAAF ดำเนินการระบบเรดาร์มากกว่าที่เส้นขอบฟ้าที่รู้จักในฐานะJindalee การดำเนินงานเรดาร์เครือข่าย (JORN) ด้วยการสนับสนุนจากBAE Systems ออสเตรเลีย JORN ใช้ไซต์ส่งและรับสามแห่ง โดยแต่ละเครื่องส่งห่างจากเครื่องรับประมาณ 100 กิโลเมตร (62 ไมล์) เพื่อป้องกันสัญญาณรบกวน
สถานีส่งสัญญาณหักเหสัญญาณความถี่สูงจากบรรยากาศรอบนอก และเครื่องรับจะฟังเสียงสะท้อนที่เกิดจากเรือและเครื่องบิน “JORN สามารถมองเห็นได้ไกลถึง 3,000 กิโลเมตร” Steve Wynd หัวหน้าโครงการเดิมของ BAE อธิบาย “แต่เนื่องจากเรากำลังขึ้นและหักเหแสงการส่งสัญญาณเหล่านั้นกลับลงมา จึงมีช่วงขั้นต่ำประมาณ 1,000 กิโลเมตร”
สถานีรับสัญญาณประกอบด้วยเสาอากาศคู่ 480 คู่ที่จัดเรียงเป็นเส้นคู่ขนานสองเส้นตามแนวทะเลทรายสีแดง แต่ละอันยาว 3 กม. พวกเขาอาศัยเอฟเฟกต์ดอปเปลอร์ ซึ่งวัตถุที่เคลื่อนที่เข้าหาเรดาร์จะส่งเสียงสะท้อนความถี่ที่สูงกว่าวัตถุที่เคลื่อนที่ออกไป นั่นคือสัญญาณจะผ่านการเปลี่ยนเฟส
“เราส่งสัญญาณออกไป และหากเป้าหมายเคลื่อนเข้าหาหรืออยู่ห่างจากเรา เราจะเห็นการเปลี่ยนแปลงของดอปเปลอร์ เมื่อเวลาผ่านไป เราสามารถพัฒนาทิศทางเป้าหมายและความเร็วเพื่อพัฒนาเส้นทางเป้าหมาย” Wynd กล่าว
การหักเหของสัญญาณนอกไอโอสเฟียร์ทำให้เรดาร์มองเห็นเหนือขอบฟ้า แต่การเคลื่อนที่ของไอโอโนสเฟียร์ทำให้เกิดการเปลี่ยนแปลงของสัญญาณ เช่นเดียวกับการสะท้อนจากพื้นผิวโลก ภาพตัดขวางเรดาร์ของพื้นผิวโลกอาจมีขนาดใหญ่ โดยมากเป็นล้านเท่าของภาพตัดขวางของเป้าหมาย ความใหญ่โตนั้นทำให้เป้าหมายยากต่อการระบุ
“ความท้าทายอย่างหนึ่งที่เรามีคือการแก้ไขเป้าหมายจากความยุ่งเหยิงในเบื้องหลัง” Wynd กล่าว “ถ้าความยุ่งเหยิงสูงเกินไป สัญญาณก็จะหายไป”
นี่คือจุดที่เวลาที่แม่นยำมีความสำคัญจริงๆ ความถี่ของสัญญาณขาออกถูกควบคุมโดยใช้เครื่องหมายของนาฬิกาอ้างอิง ซึ่งปัจจุบันเป็นออสซิลเลเตอร์แบบควอตซ์ หากเห็บเหล่านั้นไม่แม่นยำมาก สัญญาณขาออกจะไม่สม่ำเสมอ และวัดการเปลี่ยนแปลงของเสียงสะท้อนที่ย้อนกลับได้ยากขึ้น นอกจากนี้ หากขีดของนาฬิกาที่สถานีส่งและรับสัญญาณไม่ตรงกัน ระบบทั้งหมดจะวัดระยะทางไปยังเป้าหมายอย่างไม่ถูกต้อง
ในทั้งสองสถานการณ์ เรดาร์จะสร้างภาพที่มีเสียงดังขึ้น ซึ่งหมายความว่าเป้าหมายที่เล็กกว่าหรือช้ากว่าจะขยับหรือแยกไม่ออก ในทางกลับกัน ความถี่ในการส่งข้อมูลที่เสถียรและการซิงโครไนซ์ที่ดีขึ้นช่วยให้สามารถวัดการเลื่อนเฟสได้แม่นยำยิ่งขึ้น ซึ่งหมายความว่า JORN จะแยกเป้าหมายที่สนใจออกจากความยุ่งเหยิงได้ดีขึ้น
ตามคำกล่าวของกองทัพออสเตรเลีย นาฬิกาแซฟไฟร์เป็น “การก้าวกระโดดครั้งใหญ่” โดยให้ภาพของเป้าหมายที่เคลื่อนที่ช้าหรือไม่แน่นอนซึ่งมีระดับความชัดเจนมากกว่าที่เครื่องกำเนิดควอตซ์จะทำได้สามระดับ ทั้งนี้เนื่องมาจากโครงสร้างผลึกที่แตกต่างกันของ ควอทซ์ซึ่งทำให้เกิดความถี่เรโซแนนซ์ที่กำหนดไว้น้อยกว่าและดังนั้นจึงมีความบริสุทธิ์ของสเปกตรัมที่ต่ำกว่าในสัญญาณเอาท์พุตของออสซิลเลเตอร์แบบควอตซ์ นอกจากนี้ แซฟไฟร์ยังไวต่อการสั่นสะเทือนน้อยกว่าและได้มาในรูปแบบบริสุทธิ์พิเศษได้ง่ายกว่าผลึกแร่อื่นๆ เช่น ราวกับเพชร แม้ว่าความต้องการอุณหภูมิต่ำจะเป็นข้อเสียเมื่อเปรียบเทียบกับควอตซ์ แต่ผลลัพธ์ก็บ่งบอกด้วยตัวมันเอง Wynd ยืนกรานว่า “นี่คือความแตกต่างระหว่างทีวีพลาสม่าเมื่อ 15 ปีที่แล้วกับสิ่งที่คุณเห็นในทีวี ultra-HD ในตอนนี้” . “นาฬิกาเรือนนี้ให้ภาพที่ชัดเจนขึ้น”

slot

นาฬิกาแซฟไฟร์ช่วยให้เรดาร์สามารถแสดงเป้าหมายที่เคลื่อนที่ช้าหรือเคลื่อนที่ไม่ได้ด้วยความชัดเจนสามลำดับของขนาดที่ชัดเจนกว่าที่ออสซิลเลเตอร์ควอตซ์สามารถทำได้
อย่างไรก็ตาม ขนาดที่แท้จริงของสถานีรับสัญญาณของ JORN ทำให้เกิดปัญหาอีกอย่างหนึ่ง คลื่นที่ย้อนกลับมาจากมุมที่ต่างกัน ทำให้พวกมันกระทบกับเสาอากาศคู่ในเวลาที่ต่างกันเล็กน้อย
“เรามีอาเรย์ระยะ 3 กิโลเมตรที่ล็อกไว้” Wynd กล่าว “ถ้าเป้าหมายอยู่ทางซ้าย 30 องศา แนวคลื่นจะชนเสาอากาศคู่ด้านซ้ายเร็วกว่าคู่ถัดไปเล็กน้อย และอื่นๆ”

Posted in Slot | Tagged , , , , , | Comments Off on นักเข้ารหัสใช้คอมพิวเตอร์ควอนตัม

ชิปควอนตัมช่วยถอดรหัส

ชิปควอนตัมช่วยถอดรหัส

jumbo jili

3 กันยายน 2009 การเข้ารหัสโมเดิร์นอาศัยมากคอมพิวเตอร์ยากลำบากได้ในจำนวนมากแฟ แต่อัลกอริทึมที่ทำงานเฉพาะในปัจจัยพบคอมพิวเตอร์ควอนตัมได้อย่างง่ายดาย วันนี้ในScienceนักวิจัยจาก University of Bristol ในอังกฤษรายงานแฟคตอริ่งแรกโดยใช้วิธีนี้ ซึ่งเรียกว่าอัลกอริธึมของ Shor บนคอมพิวเตอร์ควอนตัมขนาดชิป ทำให้ภาคสนามเข้าใกล้ขั้นตอนเล็กๆ มากขึ้นในการตระหนักถึงการคำนวณควอนตัมในทางปฏิบัติและการถอดรหัสโค้ด

สล็อต

คอมพิวเตอร์ควอนตัมยึดตามควอนตัมบิตหรือคิวบิต บิตในคอมพิวเตอร์ธรรมดาสามารถเป็นได้ทั้ง 1 หรือ 0 แต่ qubit สามารถเป็น 1, 0 หรือ “superposition” ของทั้งสองได้ในเวลาเดียวกัน ซึ่งทำให้การแก้ปัญหาบางอย่าง เช่น แฟคตอริ่ง เร็วขึ้นแบบทวีคูณ เพราะช่วยให้คอมพิวเตอร์ลองวิธีแก้ปัญหาอื่นๆ อีกมากในคราวเดียว การแข่งขันเป็นที่ที่จะพบกับสถาปัตยกรรมคอมพิวเตอร์ควอนตัมที่เหมาะกับการลุ้นคิวบิตที่มีไอออนอิเล็กตรอน , ยิ่งยวดวงจรและในกรณีที่มหาวิทยาลัยบริสตอลโฟตอน
ศาสตราจารย์ Seth Lloyd แห่ง MIT ผู้ซึ่งค้นคว้าเกี่ยวกับระบบคอมพิวเตอร์ควอนตัมและการสื่อสารมาตั้งแต่ช่วงต้นทศวรรษ 1990 กล่าวว่า ”วิธีการทางแสง [โดยใช้โฟตอน] นั้นยังอีกยาวไกลก่อนที่จะมีประโยชน์” แต่ลอยด์กล่าวเสริมว่า การทดลองในบริสตอลแสดงให้เห็นว่าส่วนประกอบสำหรับการประมวลผลควอนตัมออปติคัลสามารถบีบลงบนชิปได้ ซึ่งเป็นก้าวที่สำคัญ
อัลกอริธึมของ Shor แสดงให้เห็นเป็นครั้งแรกในระบบคอมพิวเตอร์โดยใช้คลื่นแม่เหล็กไฟฟ้านิวเคลียร์—จัดการโมเลกุลในสารละลายที่มีสนามแม่เหล็กแรงสูง ภายหลังได้แสดงให้เห็นด้วยวิธีการออปติคัลควอนตัม แต่ด้วยการใช้ส่วนประกอบจำนวนมาก เช่น กระจกและตัวแยกลำแสงที่ใช้พื้นที่หลายตารางเมตรที่เทอะทะ
ปีที่แล้ว นักวิจัยของ Bristol แสดงให้เห็นว่าพวกเขาสามารถย่อขนาดการตั้งค่าออปติคัลนี้ โดยสร้างวงจรควอนตัมโฟโตนิกบนชิปซิลิกอนที่มีขนาดเพียงมิลลิเมตร พวกเขาเปลี่ยนกระจกและตัวแยกลำแสงด้วยท่อนำคลื่นที่พันรอบชิปและโต้ตอบเพื่อแยก สะท้อน และส่งแสงผ่านวงจร จากนั้นพวกเขาก็ฉีดโฟตอนเข้าไปในท่อนำคลื่นเพื่อทำหน้าที่เป็นคิวบิต
ตอนนี้พวกเขาได้นำวงจรของพวกเขาไปใช้: การใช้โฟตอนสี่ตัวที่ผ่านลำดับของเกทลอจิกควอนตัม วงจรออปติคัลช่วยค้นหาปัจจัยเฉพาะของจำนวน 15 ในขณะที่นักวิจัยแสดงให้เห็นว่าสามารถแก้ปัจจัยต่างๆได้ ตัวชิปเองไม่ได้เพียงแค่คายออกมา 5 และ 3 เท่านั้น แต่มันกลับมาพร้อมกับคำตอบสำหรับ ”รูทีนการค้นหาคำสั่ง” ซึ่งเป็นส่วน ”ที่คำนวณยาก” ของอัลกอริธึมของ Shor ที่ต้องใช้การคำนวณควอนตัมเพื่อแก้ปัญหาใน Jeremy O’Brien ศาสตราจารย์ด้านฟิสิกส์และวิศวกรรมไฟฟ้าแห่งมหาวิทยาลัยบริสตอลกล่าวว่าใช้เวลาพอสมควร นักวิจัยได้เสร็จสิ้นการคำนวณโดยใช้คอมพิวเตอร์ธรรมดาเพื่อหาปัจจัยที่ถูกต้องในที่สุด
แน่นอน O’Brien กล่าว “เด็กนักเรียนที่ฉลาดสามารถบอกคุณ [คำตอบ] ในไม่กี่วินาที” เพื่อที่จะเป็นประโยชน์อย่างแท้จริง เขากล่าว “สิ่งที่เราต้องการคือคอมพิวเตอร์ควอนตัมที่มีคิวบิตนับล้าน เพื่อแก้ปัญหาที่แก้ไขได้ยากจริงๆ”
เครื่องแฟคตอริ่งควอนตัมนั้นอยู่ห่างออกไปหลายสิบปี แต่ในขณะเดียวกันสถาปัตยกรรมออปติคัลระดับชิปเช่นทีมบริสตอลสามารถช่วยในการใช้งานเช่นการกระจายคีย์ควอนตัมซึ่งรับประกันการสื่อสารที่ปลอดภัยตามกฎของกลศาสตร์ควอนตัมมากกว่าความยากทางคณิตศาสตร์ของ แฟคตอริ่ง หรืออาจใช้เพื่อจำลองระบบควอนตัมในการทดลองทางฟิสิกส์ ซึ่งอาจต้องใช้แค่หลายร้อย qubits แทนที่จะเป็นหลักพันหรือหลายล้าน
“เรารู้ว่า 3 คูณ 5 ได้ 15” คริสโตเฟอร์ มอนโร ผู้เชี่ยวชาญด้านคอมพิวเตอร์ควอนตัมของมหาวิทยาลัยแมริแลนด์กล่าว แต่การทดลองนี้ “มีคำมั่นสัญญาว่าจะพัฒนาบางสิ่งที่สามารถบอกคำตอบของสิ่งที่เราไม่รู้”
Lloyd จาก MIT ไม่เชื่อว่าเทคโนโลยีนี้สามารถปรับขนาดได้ เขากล่าวว่าเคล็ดลับที่แท้จริงคือการพัฒนาวิธีการที่มีอยู่ในตัวเองซึ่งวัดโฟตอน อ่านผลลัพธ์ และค้นหาปัจจัยของจำนวนมหาศาลโดยไม่ต้องย้อนกลับไปในการคำนวณแบบคลาสสิกหรือรู้คำตอบล่วงหน้า นั่นคือ “ปัญหาทางเทคโนโลยีที่ยากซึ่งไม่มีใครมีความคิดว่าจะแก้ไขอย่างไร” ลอยด์กล่าว แม้ว่าเขาจะเชื่อว่า “ไม่ขัดกับกฎแห่งฟิสิกส์”
อย่างไรก็ตาม O’Brien กล่าวว่าเฉพาะส่วนที่ยากเท่านั้นที่ต้องทำบนคอมพิวเตอร์ควอนตัมซึ่งน่าจะเป็นอุปกรณ์ที่มีความซับซ้อนสูงและมีความต้องการสูง “คุณจะไม่เสียเวลากับการคำนวณแบบคลาสสิก” O’Brien กล่าว ”ถ้าส่วนอื่นๆ ง่าย ทำไมจึงทำบนคอมพิวเตอร์ควอนตัม”
ต่อไป กลุ่มบริษัทบริสตอลมีเป้าหมายที่จะสร้างวงจรออปติคัลควอนตัมที่ใหญ่และซับซ้อนยิ่งขึ้น โดยมีท่อนำคลื่นที่บรรจุอยู่บนชิปมากขึ้น นอกเหนือไปจากเครื่องกำเนิดและเครื่องตรวจจับโฟตอนเดี่ยวที่มีประสิทธิภาพมากขึ้น นั่นจะผลักดันพวกเขาไปสู่ระบบที่ขยายขนาดซึ่งอาจทำลายรหัสการเข้ารหัสทางคณิตศาสตร์โดยใช้ qubits นับล้าน
ราวสามทศวรรษที่แล้ว กลุ่มนักวิทยาศาสตร์คอมพิวเตอร์ผู้บุกเบิก—กอร์ดอน เบลล์, จอห์น เฮนเนสซี, เอ็ด ลาโซวสกา, ราช เรดดี้, แอนดี้ แวน แดม และอีกสองสามคนเริ่มประเพณีของการวางเดิมพันกันเอง
สัปดาห์นี้เหล่าเพื่อน ๆ เป็นเวลานานและคู่แข่งรวบรวมความจริงในเหตุการณ์ที่จัดขึ้นโดย พิพิธภัณฑ์ประวัติศาสตร์คอมพิวเตอร์ ในเกียรติของเรดดี้ถูกเสนอชื่อเป็นพิพิธภัณฑ์ เพื่อน ตามธรรมเนียม พวกเขาเดิมพันเทคโนโลยี คราวนี้เป็นเงิน 2,000 ดอลลาร์ (เมื่อหลายปีก่อน เงินเดิมพันของพวกเขาสูงถึง 1,000 ดอลลาร์) เพื่อจ่ายให้กับผู้แพ้เพื่อบริจาคให้กับพิพิธภัณฑ์
Reddy ทำนายว่า: “เราจะมีปลา Babelดิจิทัล [นักแปลสากล ตามที่อธิบายไว้ใน The Hitchhiker’s Guide to the Galaxy ] ที่จะซ่อนอยู่ในหูของคุณและแปลภาษาทั้งหมดของโลก—ในสิบปี” เขากล่าว “ใครๆ ก็สามารถดูหนังเรื่องไหนก็ได้ และคุยกับใครก็ได้ในทุกภาษา”
หรืออย่างน้อย เขายอมรับว่ามันจะใช้ได้กับ 100 ภาษาที่พบบ่อยที่สุด

สล็อตออนไลน์

ชื่อในกลุ่มผู้ที่ชื่นชอบเทคโนโลยีการพนันนี้ไม่ต้องสงสัยเลยว่าคุณคุ้นเคย: Bellออกแบบ PDP-4 และ PDP-6 และดูแลการพัฒนา VAX ที่ Digital Equipment Corp. และร่วมก่อตั้งพิพิธภัณฑ์ประวัติศาสตร์คอมพิวเตอร์ เฮนเนสซีช่วยเขียนหนังสือเกี่ยวกับสถาปัตยกรรม RISC ก่อตั้ง MIPS ดำรงตำแหน่งอธิการบดีมหาวิทยาลัยสแตนฟอร์ด และเป็นประธานคณะกรรมการอัลฟาเบต Lazowskaซึ่งเป็นผู้บุกเบิกในการคำนวณเชิงวัตถุ ช่วยเขียนข้อความคลาสสิกเกี่ยวกับการวัดประสิทธิภาพของระบบคอมพิวเตอร์ Reddy ผู้บุกเบิก AIให้ความสำคัญกับระบบการรู้จำคำพูดเริ่มการวิจัยเกี่ยวกับคอมพิวเตอร์ในเส้นทางที่นำไปสู่ ​​Siri และตัวแทนอัจฉริยะอื่นๆ ในปัจจุบัน แวนแดมร่วมออกแบบระบบไฮเปอร์เท็กซ์ระบบแรกและร่วมเขียนตำราสำคัญที่ใช้ในการศึกษาคอมพิวเตอร์กราฟิก (ตัวละคร “แอนดี้” ในภาพยนตร์ทอยสตอรี่ได้รับการตั้งชื่อตามเขา)
หลายปีที่ผ่านมา ห้าคนนี้ ซึ่งบางครั้งมีหนึ่งหรือสองคน บางครั้งลบหนึ่งหรือสองครั้ง ได้รวมตัวกันในการประชุมของคณะกรรมการที่ปรึกษาด้านเทคนิคของ Microsoft เมื่อการพูดคุยกลายเป็นเทคโนโลยีในอนาคต สัญชาตญาณการแข่งขันของพวกเขาก็วูบวาบ เรดดี้จะทำนาย—บางสิ่งที่เป็นรูปธรรม แต่มักจะเข้าถึงในแง่ของสิ่งที่เป็นไปได้ในปัจจุบันเสมอ คนอื่นจะกระโดดเข้ามาเพื่อเดิมพันและต่อต้านมัน เดิมพัน? มักจะรับประทานอาหารเย็น ร้านอาหารที่ผู้ชนะเลือก บางครั้งเงินสด 1,000 ดอลลาร์ เรดดี้มักจะแพ้
การคาดการณ์การสูญเสียของ Reddy บางส่วนตามบันทึกของ Bell ซึ่งมักจะเดิมพันกับเขา:
ภายในปี 1996 วิดีโอออนดีมานด์จะพร้อมใช้งานใน 5 เมืองที่มีผู้คนมากกว่า 0.5 ล้านคน และผู้คน 250,000 คนจะสามารถเข้าถึงบริการนี้ได้ โดยมีผู้ใช้จำนวนมาก
ในปี พ.ศ. 2546 AI จะถูกมองว่ามีความสำคัญมากกว่าทรานซิสเตอร์
ในปี พ.ศ. 2546 รถยนต์ที่ผลิตขึ้นเองจะมีจำหน่ายในราคาต่ำกว่ารถยนต์ไร้คนขับถึงร้อยละ 20
ภายในปี 2545 เวิร์กสเตชัน 10,000 เครื่องจะสื่อสารด้วยความเร็วกิกะบิตต่อวินาที
ซึ่งนำเรากลับไปสู่การเดิมพันปลา Babel ใหม่ของเรดดี้
เพื่อความเป็นธรรม เรดดี้วิจารณ์คำทำนายของเขาเอง “ทำไมฉันถึงแพ้” เขาพูดว่า. เพราะ “เทคโนโลยีไม่เพียงพอ คุณต้องเข้าถึงได้ง่ายและใช้งานง่าย มันต้องไม่ล่วงล้ำอย่างสมบูรณ์เหมือนปลาบาเบลเพื่อให้เข้ากับหูของเรา จดจำภาษาและแปลมัน”
ตามปกติแล้ว เบลล์จะเข้าฝั่งตรงข้าม เดิมพันกับเรดดี้
เฮนเนสซี่สนับสนุนมุมมองของเรดดี้ “ครั้งหนึ่งฉันคิดว่า Raj พูดถูก” เขากล่าว

jumboslot

แต่มี “สองประเด็นที่ฉันกังวล” เขากล่าวต่อ หนึ่งคือ “ปัญหา 10 เปอร์เซ็นต์สุดท้าย แม้ว่าการเลือกภาษาที่ใช้บ่อยที่สุด 100 ภาษาจะทำให้เป็นไปได้มากขึ้น อีกอย่างคือถ้าเราไม่รู้ว่าจะขยายกฎของมัวร์อย่างไร คุณจะเอาสิ่งนั้นใส่หูและหัวของคุณจะไหม้ สิ่งหนึ่งที่เราคิดผิดเกี่ยวกับ [ในอดีต] คือเราไม่เข้าใจว่าต้องใช้พลังการประมวลผลมากเพียงใดในการทำ AI”
“มีสเปกตรัมของการมองโลกในแง่ดีทางเทคโนโลยีที่อวดดีซึ่ง Raj (เรดดี้) ครอบครองอยู่
Lazowska ขอคำชี้แจง กล่าวคือ อุปกรณ์ที่จินตนาการไว้ต้องทำการแปลบนเครื่องหรือต้องอาศัยผู้ใช้ที่ถือสมาร์ทโฟน Reddy ระบุว่าสามารถพึ่งพาสิ่งที่ต้องการได้ ตราบใดที่ระบบไม่ต้องการความสนใจจากผู้ใช้
“มันต้องไม่ล่วงล้ำ ฉันไม่ต้องการที่จะคิดเกี่ยวกับมัน” เรดดี้อธิบาย “ถ้าฉันพูดภาษาฮินดี คุณจะได้ยินฉันเป็นภาษาอังกฤษแบบเรียลไทม์”
ด้วยอุปกรณ์ภายนอกที่ได้รับอนุญาตในการผสมผสาน Lazowska ก็เต็มใจที่จะเดิมพันว่าคำทำนายของ Reddy จะเป็นจริง
อย่างไรก็ตาม Van Dam ไม่มั่นใจ “มีสเปกตรัมของการมองโลกในแง่ดีด้านเทคโนโลยีที่อวดดี” เขากล่าว “ซึ่ง Raj [Reddy] ครอบครอง ฉันพยายามเป็นนักปฏิบัตินิยม”
เขากล่าวถึงความกังวลของ Van Dam คือแรงจูงใจทางการเงิน ซึ่งจะต้องมีนัยสำคัญ เพื่อที่จะนำอุปกรณ์แบบนี้ออกสู่ตลาด
มันจะต้อง “ตอกย้ำ 100 ภาษา จัดการเสียงรบกวนเบื้องหลัง [และ] ให้แข็งแกร่ง” เขากล่าว และเขารำพึงว่า อินเทอร์เฟซผู้ใช้จะนำเสนอความท้าทายที่ยิ่งใหญ่สำหรับนักออกแบบ “ผมคิดว่าเราจะเข้าใกล้กันแต่ยังไม่ถึงขั้นนั้นเลย” เขาพูด แม้ว่าเขาจะชอบภารกิจนี้ แต่เขาก็ไม่เต็มใจที่จะเดิมพันกับมัน
การเดิมพันของใครจะจ่ายออก? เราจะต้องรออีกสิบปีถึงจะรู้
ติ๊ก ติ๊ก ติ๊ก ติ๊ก . จังหวะของนาฬิกาเป็นสากล แต่เห็บเหล่านั้นเหมือนกันแค่ไหน? สำหรับการใช้งานที่สำคัญบางอย่าง การเบี่ยงเบนเพียงเล็กน้อยที่หายไปอาจเป็นปัญหาได้
สำหรับแอปพลิเคชันเหล่านั้น ความช่วยเหลือกำลังมา ในรูปแบบของนาฬิกาที่แม่นยำที่สุดที่ยังไม่ได้สร้าง พัฒนาโดยAndre Luitenเมื่อเขาสำเร็จการศึกษาที่University of Western Australiaโดยสร้างขึ้นจากคริสตัลแซฟไฟร์ขนาดเล็กที่เย็นจัด Luiten เรียกมันว่า Cryogenic Sapphire Oscillator และสามารถสนับสนุนเทคโนโลยีที่หลากหลายเช่นเรดาร์ทหารและการคำนวณควอนตัม เขาและเพื่อนร่วมงานกำลังทำงานเกี่ยวกับแอปพลิเคชันเหล่านี้ที่มหาวิทยาลัยแอดิเลดในประเทศออสเตรเลีย ซึ่งปัจจุบันเขาดำรงตำแหน่งผู้อำนวยการสถาบันโฟโตนิกส์และการตรวจจับขั้นสูง

slot

นาฬิกายังใหม่ที่เรียกว่าไพลินนาฬิกา isn’t ดีกว่านาฬิกาอะตอม ; มันแตกต่าง. นั่นเป็นเพราะความแม่นยำและความแม่นยำเป็นสิ่งที่ต่างกัน: ความแม่นยำคือความเที่ยงตรงที่นาฬิกาสามารถวัดวินาทีที่แท้จริงได้มากเพียงใด ซึ่งตอนนี้กำหนดเป็นเวลาที่อะตอมซีเซียมใช้ภายใต้สภาวะควบคุมเพื่อแกว่งไปมาระหว่างสถานะพลังงานสองสถานะพอดี 9,192,631,770 ครั้ง ตั้งแต่ปี 2013 เป็นต้นมามีการสร้างนาฬิกาอะตอมที่แม่นยำยิ่งขึ้น แต่นาฬิกาอะตอมมากกว่า 400 ตัวที่ใช้อะตอมซีเซียม-133 ยังคงใช้ในการสร้างเวลาพลเมืองทั่วโลก หากคุณกำลังอ่านบทความนี้บนสมาร์ทโฟนหรือแล็ปท็อป เวลาที่แสดงที่ขอบหน้าจอจะมาจากนาฬิกาอะตอมแบบใดแบบหนึ่ง

Posted in Slot | Tagged , , , , , | Comments Off on ชิปควอนตัมช่วยถอดรหัส

เส้นทางสู่คอมพิวเตอร์ควอนตัมเริ่มต้นด้วยจุดควอนตัม

เส้นทางสู่คอมพิวเตอร์ควอนตัมเริ่มต้นด้วยจุดควอนตัม

jumbo jili

คอมพิวเตอร์ควอนตัมเป็นหนึ่งในเทคโนโลยีที่ได้รับการจัดออกเป็นจัดเรียงของจอกศักดิ์สิทธิ์บางและยังคงเป็นเช่นเดียวกับที่ยากจะอธิบายกับผู้ที่ได้อ้างว่าจะประสบความสำเร็จก็จะถูกมองด้วยระดับสูงของความสงสัย
ถนนสายหนึ่งที่ได้รับการติดตามในการตระหนักถึงคอมพิวเตอร์ควอนตัมของรัฐที่มั่นคงได้รับการใช้งานของจุดควอนตัมเป็นบล็อกอาคาร

สล็อต

จุดควอนตัมเป็นปรากฏการณ์ที่แปลกประหลาด Eric Guizzo บรรณาธิการสเปกตรัมอธิบายไว้อย่างดีในแอปพลิเคชันคอมพิวเตอร์ควอนตัมว่า:
“พวกมันเป็นโครงสร้างระดับนาโนที่สร้างขึ้นภายในวัสดุเซมิคอนดักเตอร์ที่มีแอ่งอิเล็กตรอนเล็ก ๆ ซึ่งทำให้แต่ละจุดมีคุณสมบัติเชิงกลของควอนตัมที่เรียกว่าสปิน การหมุนของจุด ซึ่งสามารถขึ้นหรือลงได้ แสดงถึงบิตของข้อมูลควอนตัม หรือ qubits เนื่องจากคุณสมบัติของควอนตัม เช่น สปิน สามารถมีอยู่ในสองสถานะในคราวเดียว ทั้งขึ้นและลงในกรณีของสปิน คอมพิวเตอร์ที่ใช้ qubits สามารถคำนวณได้หลายอย่างพร้อมกัน”
ความสามารถนี้อาจนำไปสู่ความสามารถในการคำนวณที่เร็วกว่ามาก ซึ่งคอมพิวเตอร์แบบเดิมต้องใช้เวลาหลายทศวรรษกว่าจะแยกตัวประกอบตัวเลข 300 หลักที่คอมพิวเตอร์ควอนตัมสามารถทำได้ภายในเวลาไม่กี่ชั่วโมงหรือเป็นวัน
ตอนนี้นักวิจัยจากมหาวิทยาลัยนิวเซาธ์เวลส์ในออสเตรเลียนำโดยศาสตราจารย์มิเชลล์ซิมมอนส์ได้สร้างทรานซิสเตอร์โดยใช้จุดควอนตัม ที่เล็กกว่าที่ใช้กันทั่วไปถึง 10 เท่าในขณะที่ทำงานเพื่อบรรลุเป้าหมายสูงสุดในการสร้างคอมพิวเตอร์ควอนตัม
นักวิจัยสามารถสร้างทรานซิสเตอร์ได้โดยแทนที่อะตอมทั้งเจ็ดในผลึกซิลิกอนด้วยอะตอมของฟอสฟอรัส เพื่อให้คุณเข้าใจถึงสเกล สุดขั้วของกระบวนการ CMOS ในปัจจุบัน โหนด 22nm มีประตูทรานซิสเตอร์ 42 อะตอม
งานวิจัยซึ่งตีพิมพ์ครั้งแรกในวารสารNature Nanotechnology , เครื่องหมายครั้งแรกที่จะได้รับเป็นไปได้ที่จะกำหนดตำแหน่งและพฤติกรรมของอะตอมเดียวภายในทรานซิสเตอร์ตามซิมมอนส์
“โดยพื้นฐานแล้วเรากำลังควบคุมธรรมชาติในระดับอะตอม” ซิมมอนส์กล่าว “นี่เป็นหนึ่งในเหตุการณ์สำคัญในการสร้างคอมพิวเตอร์ควอนตัม”
มีปัญหาเช่นการพัวพัน การมีเพศสัมพันธ์ระหว่าง quibits ที่จะได้รับการแก้ไข แต่เป็นขั้นตอนสู่คอมพิวเตอร์ควอนตัม
ปริมาณพลังประมวลผลที่ปลายนิ้วของผู้คนเริ่มเพิ่มขึ้นอย่างก้าวกระโดดในช่วงเปลี่ยนสหัสวรรษ เมื่อหน่วยประมวลผลกราฟิก (GPU) เริ่มถูก ควบคุมสำหรับการคำนวณแบบไม่ใช้กราฟิกซึ่งเป็นแนวโน้มที่แพร่หลายมากขึ้นเรื่อยๆ ในช่วงทศวรรษที่ผ่านมา แต่ความต้องการด้านคอมพิวเตอร์ของการเรียนรู้เชิงลึกนั้นเพิ่มขึ้นเร็วยิ่งขึ้นไปอีก ไดนามิกนี้ได้กระตุ้นให้วิศวกรพัฒนาตัวเร่งฮาร์ดแวร์อิเล็กทรอนิกส์ที่กำหนดเป้าหมายไปยังการเรียนรู้เชิงลึกโดยเฉพาะหน่วยประมวลผลเทนเซอร์ (TPU)ของ Google เป็นตัวอย่างที่สำคัญ
ในที่นี้ ฉันจะอธิบายแนวทางที่แตกต่างออกไปอย่างมากสำหรับปัญหานี้ โดยใช้ตัวประมวลผลแบบออปติคัลเพื่อคำนวณโครงข่ายประสาทเทียมด้วยโฟตอนแทนอิเล็กตรอน เพื่อให้เข้าใจว่าเลนส์สามารถให้บริการที่นี่ได้อย่างไร คุณจำเป็นต้องรู้เล็กน้อยเกี่ยวกับวิธีที่คอมพิวเตอร์ทำการคำนวณโครงข่ายประสาทเทียมในปัจจุบัน ดังนั้นโปรดอดทนกับฉันในขณะที่ฉันร่างสิ่งที่เกิดขึ้นภายใต้ประทุน
เซลล์ประสาทเทียมเกือบจะสม่ำเสมอถูกสร้างขึ้นโดยใช้ซอฟต์แวร์พิเศษที่ทำงานบนคอมพิวเตอร์อิเล็กทรอนิกส์ดิจิทัลบางประเภท ซอฟต์แวร์นั้นให้เซลล์ประสาทที่กำหนดด้วยอินพุตหลายตัวและเอาต์พุตเดียว สถานะของเซลล์ประสาทแต่ละเซลล์ขึ้นอยู่กับผลรวมถ่วงน้ำหนักของอินพุต ซึ่งใช้ฟังก์ชันไม่เชิงเส้นที่เรียกว่าฟังก์ชันกระตุ้น ผลลัพธ์ ผลลัพธ์ของเซลล์ประสาทนี้ กลายเป็นอินพุตสำหรับเซลล์ประสาทอื่นๆ
การลดความต้องการพลังงานของโครงข่ายประสาทเทียมอาจต้องใช้การคำนวณด้วยแสง
เพื่อประสิทธิภาพในการคำนวณ เซลล์ประสาทเหล่านี้จะถูกจัดกลุ่มเป็นชั้น โดยเซลล์ประสาทจะเชื่อมต่อกับเซลล์ประสาทในชั้นที่อยู่ติดกันเท่านั้น ประโยชน์ของการจัดเรียงสิ่งต่างๆ ในลักษณะนี้ แทนที่จะยอมให้มีการเชื่อมต่อระหว่างเซลล์ประสาทสองเซลล์ใดๆ ก็คือ อนุญาตให้ใช้ลูกเล่นทางคณิตศาสตร์ของพีชคณิตเชิงเส้นเพื่อเร่งการคำนวณได้
แม้ว่าจะไม่ใช่เรื่องราวทั้งหมด แต่การคำนวณพีชคณิตเชิงเส้นเหล่านี้เป็นส่วนที่ต้องใช้การคำนวณมากที่สุดในการเรียนรู้เชิงลึก โดยเฉพาะอย่างยิ่งเมื่อขนาดของเครือข่ายเติบโตขึ้น สิ่งนี้เป็นจริงสำหรับทั้งการฝึกอบรม (กระบวนการกำหนดน้ำหนักที่จะใช้กับอินพุตของเซลล์ประสาทแต่ละเซลล์) และการอนุมาน (เมื่อโครงข่ายประสาทเทียมให้ผลลัพธ์ที่ต้องการ)
การคำนวณพีชคณิตเชิงเส้นลึกลับเหล่านี้คืออะไร พวกมันไม่ได้ซับซ้อนขนาดนั้นจริงๆ ซึ่งเกี่ยวข้องกับการดำเนินการกับ เมทริกซ์ซึ่งเป็นเพียงอาร์เรย์ตัวเลขสี่เหลี่ยม—สเปรดชีต ถ้าคุณต้องการ ลบส่วนหัวของคอลัมน์อธิบายที่คุณอาจพบในไฟล์ Excel ทั่วไป
นี่เป็นข่าวดีเพราะฮาร์ดแวร์คอมพิวเตอร์สมัยใหม่ได้รับการปรับแต่งมาอย่างดีสำหรับการดำเนินการเมทริกซ์ ซึ่งเป็นส่วนสำคัญในการประมวลผลประสิทธิภาพสูงมานานก่อนที่การเรียนรู้เชิงลึกจะเป็นที่นิยม การคำนวณเมทริกซ์ที่เกี่ยวข้องสำหรับการเรียนรู้เชิงลึกทำให้เกิดการดำเนินการคูณและสะสมจำนวนมาก โดยนำคู่ของตัวเลขมาคูณกันและผลิตภัณฑ์ของพวกมันจะถูกรวมเข้าด้วยกัน
ในช่วงหลายปีที่ผ่านมา การเรียนรู้เชิงลึกจำเป็นต้องมีการดำเนินการแบบทวีคูณและสะสมจำนวนมากขึ้นเรื่อยๆ พิจารณา LeNetซึ่งเป็นเครือข่ายประสาทเทียมระดับลึกที่บุกเบิกซึ่งออกแบบมาเพื่อจัดหมวดหมู่ภาพ ในปีพ.ศ. 2541 มีการแสดงว่ามีประสิทธิภาพเหนือกว่าเทคนิคอื่นๆ ของเครื่องในการจดจำตัวอักษรและตัวเลขที่เขียนด้วยลายมือ แต่ภายในปี 2012 AlexNetโครงข่ายประสาทเทียมที่ผ่านกระบวนการทวีคูณและสะสมประมาณ 1,600 เท่าของ LeNet ก็สามารถจดจำวัตถุประเภทต่างๆ หลายพันชนิดในภาพได้
ความก้าวหน้าจากความสำเร็จเริ่มต้นของ LeNet สู่ AlexNet นั้นต้องการประสิทธิภาพการประมวลผลเกือบ 11 เท่า ในช่วง 14 ปีที่ผ่านมา กฎของมัวร์ให้การเพิ่มขึ้นอย่างมาก ความท้าทายคือการทำให้แนวโน้มนี้ดำเนินต่อไปในขณะที่กฎของมัวร์กำลังจะหมดลง วิธีแก้ปัญหาปกติคือการใช้ทรัพยากรการประมวลผลมากขึ้น—พร้อมกับเวลา, เงิน, และพลังงาน—ที่ปัญหา
ด้วยเหตุนี้ การฝึกอบรมโครงข่ายประสาทเทียมขนาดใหญ่ในปัจจุบันจึงมักมีผลกระทบต่อสิ่งแวดล้อมอย่างมาก หนึ่ง 2019 การศึกษาพบเช่นว่าการฝึกอบรมเครือข่ายประสาทบางอย่างลึกสำหรับการประมวลผลภาษาธรรมชาติผลิตห้าครั้ง CO 2การปล่อยมักจะเกี่ยวข้องกับการขับขี่รถยนต์ในช่วงชีวิตของมัน
การปรับปรุงในคอมพิวเตอร์อิเล็กทรอนิกส์แบบดิจิทัลช่วยให้การเรียนรู้เชิงลึกเบ่งบานได้อย่างแน่นอน แต่นั่นไม่ได้หมายความว่าวิธีเดียวในการคำนวณเครือข่ายประสาทคือการใช้เครื่องดังกล่าว ทศวรรษที่แล้ว เมื่อคอมพิวเตอร์ดิจิทัลยังค่อนข้างเป็นพื้นฐาน วิศวกรบางคนจัดการกับการคำนวณที่ยากลำบากโดยใช้คอมพิวเตอร์แอนะล็อกแทน เมื่ออุปกรณ์อิเล็กทรอนิกส์ดิจิทัลดีขึ้น คอมพิวเตอร์แอนะล็อกเหล่านั้นก็ล้มลงข้างทาง แต่อาจถึงเวลาที่ต้องใช้กลยุทธ์นั้นอีกครั้ง โดยเฉพาะอย่างยิ่งเมื่อการคำนวณแบบแอนะล็อกสามารถทำได้แบบออปติคัล
เป็นที่ทราบกันมานานแล้วว่าเส้นใยแก้วนำแสงสามารถรองรับอัตราข้อมูลที่สูงกว่าสายไฟฟ้าได้มาก นั่นเป็นสาเหตุที่สายการสื่อสารระยะไกลทั้งหมดมีทัศนวิสัยตั้งแต่ปลายทศวรรษ 1970 ตั้งแต่นั้นมา ดาต้าลิงค์แบบออปติคัลได้เข้ามาแทนที่สายทองแดงสำหรับช่วงที่สั้นลงและสั้นลง ไปจนถึงการสื่อสารแบบแร็คต่อแร็คในศูนย์ข้อมูล การสื่อสารข้อมูลแบบออปติคัลเร็วขึ้นและใช้พลังงานน้อยลง การประมวลผลแบบออปติคอลให้ข้อดีเช่นเดียวกัน
แต่มีความแตกต่างอย่างมากระหว่างการสื่อสารข้อมูลและการคำนวณด้วย และนี่คือจุดที่แอนะล็อกออปติคัลเข้าใกล้สิ่งกีดขวางบนถนน คอมพิวเตอร์ทั่วไปใช้ทรานซิสเตอร์ ซึ่งเป็นองค์ประกอบวงจรที่ไม่เชิงเส้นสูง ซึ่งหมายความว่าเอาต์พุตไม่ได้เป็นเพียงสัดส่วนกับอินพุต อย่างน้อยก็เมื่อใช้สำหรับการคำนวณ ความไม่เชิงเส้นคือสิ่งที่ช่วยให้ทรานซิสเตอร์สามารถเปิดและปิดได้ ทำให้สามารถปรับเปลี่ยนให้เป็นลอจิกเกทได้ การเปลี่ยนนี้ทำได้ง่ายด้วยอุปกรณ์อิเล็กทรอนิกส์ ซึ่งความไม่เชิงเส้นนั้นมีค่าเพียงเล็กน้อย แต่โฟตอนเป็นไปตามสมการของแมกซ์เวลล์ ซึ่งเป็นเส้นตรงที่น่ารำคาญ หมายความว่าโดยทั่วไปแล้วเอาต์พุตของอุปกรณ์ออปติคัลจะเป็นสัดส่วนกับอินพุตของมัน
เคล็ดลับคือการใช้ความเป็นเส้นตรงของอุปกรณ์ออปติคัลเพื่อทำสิ่งหนึ่งที่การเรียนรู้เชิงลึกอาศัยมากที่สุด นั่นคือพีชคณิตเชิงเส้น
เพื่อแสดงให้เห็นว่าสามารถทำได้อย่างไร ฉันจะอธิบายอุปกรณ์โฟโตนิกที่เมื่อประกอบเข้ากับอุปกรณ์อิเล็กทรอนิกส์แบบแอนะล็อกอย่างง่าย สามารถคูณเมทริกซ์สองตัวเข้าด้วยกันได้ การคูณดังกล่าวจะรวมแถวของเมทริกซ์หนึ่งเข้ากับคอลัมน์ของอีกคอลัมน์หนึ่ง แม่นยำยิ่งขึ้น มันคูณคู่ของตัวเลขจากแถวและคอลัมน์เหล่านี้ และเพิ่มผลิตภัณฑ์เข้าด้วยกัน—การดำเนินการคูณและสะสมที่ฉันอธิบายไว้ก่อนหน้านี้ เพื่อนร่วมงานของเอ็มไอทีของฉันและฉันตีพิมพ์บทความเกี่ยวกับวิธีการนี้สามารถทำได้ ใน 2019 เรากำลังดำเนินการสร้างตัวคูณเมทริกซ์ออปติคัลดังกล่าว

สล็อตออนไลน์

การสื่อสารข้อมูลแบบออปติคัลเร็วขึ้นและใช้พลังงานน้อยลง การประมวลผลแบบออปติคอลมีข้อดีเช่นเดียวกัน
หน่วยคอมพิวเตอร์ขั้นพื้นฐานในอุปกรณ์นี้เป็นองค์ประกอบแสงที่เรียกว่า แยกลำแสง แม้ว่าการแต่งหน้าจะซับซ้อนกว่าจริง ๆ แต่คุณสามารถมองได้ว่าเป็นกระจกครึ่งเงินที่วางทำมุม 45 องศา หากคุณส่งลำแสงเข้ามาจากด้านข้าง ตัวแยกลำแสงจะยอมให้แสงครึ่งหนึ่งส่องผ่านตรงไป ส่วนอีกครึ่งหนึ่งจะสะท้อนจากกระจกที่ทำมุมทำให้สะท้อนแสงที่ 90 องศาจากลำแสงที่เข้ามา .
ตอนนี้ฉายลำแสงที่สองซึ่งตั้งฉากกับลำแสงแรกเข้าไปในตัวแยกลำแสงเพื่อให้กระทบกับกระจกเงาอีกด้าน ครึ่งหนึ่งของลำแสงที่สองนี้จะถูกส่งในลักษณะเดียวกันและสะท้อนครึ่งหนึ่งที่ 90 องศา ลำแสงเอาท์พุตทั้งสองจะรวมกับเอาท์พุตทั้งสองจากลำแสงแรก ดังนั้นตัวแยกลำแสงนี้มีอินพุต 2 ตัวและเอาต์พุต 2 ตัว
ในการใช้อุปกรณ์นี้สำหรับการคูณเมทริกซ์ คุณต้องสร้างลำแสงสองลำที่มีความเข้มสนามไฟฟ้าที่เป็นสัดส่วนกับตัวเลขสองตัวที่คุณต้องการคูณ ขอเรียกเหล่านี้ความเข้มสนาม xและy ที่ ส่องลำแสงทั้งสองเข้าไปในตัวแยกลำแสง ซึ่งจะรวมลำแสงทั้งสองนี้เข้าด้วยกัน ตัวแยกลำแสงเฉพาะนี้ทำในลักษณะที่จะสร้างสองเอาต์พุตที่มีสนามไฟฟ้ามีค่าเป็น ( x + y )/√2 และ ( x − y )/√2
นอกจากตัวแยกลำแสงแล้ว ตัวคูณแบบแอนะล็อกนี้ต้องใช้ส่วนประกอบอิเล็กทรอนิกส์อย่างง่ายสองชิ้น—เครื่องตรวจจับแสง—เพื่อวัดลำแสงเอาต์พุตทั้งสอง พวกเขาไม่ได้วัดความเข้มสนามไฟฟ้าของคานเหล่านั้น พวกเขาวัดกำลังของลำแสงซึ่งเป็นสัดส่วนกับกำลังสองของความเข้มสนามไฟฟ้า
เหตุใดความสัมพันธ์นั้นจึงสำคัญ เพื่อให้เข้าใจว่าต้องใช้พีชคณิต—แต่ไม่มีอะไรมากไปกว่าสิ่งที่คุณเรียนรู้ในโรงเรียนมัธยมศึกษาตอนปลาย จำได้ว่าเมื่อคุณยกกำลังสอง ( x + y )/√2 คุณจะได้ ( x 2 + 2 xy + y 2 )/2 และเมื่อคุณยกกำลังสอง ( x − y )/√2 คุณจะได้ ( x 2 − 2 xy + y 2 )/2 ลบหลังจากอดีตให้ 2 XY
หยุดชั่วคราวเพื่อไตร่ตรองถึงความสำคัญของคณิตศาสตร์ง่ายๆ นี้ หมายความว่า หากคุณเข้ารหัสตัวเลขเป็นลำแสงที่มีความเข้มระดับหนึ่งและอีกจำนวนหนึ่งเป็นลำแสงที่มีความเข้มอื่น ให้ส่งผ่านตัวแยกลำแสงดังกล่าว วัดเอาต์พุตทั้งสองด้วยเครื่องตรวจจับแสง และลบล้างหนึ่งในสัญญาณไฟฟ้าที่เป็นผล ก่อนที่จะรวมเข้าด้วยกัน คุณจะมีสัญญาณที่ได้สัดส่วนกับผลคูณของตัวเลขทั้งสองของคุณ
คำอธิบายของฉันทำให้ดูเหมือนว่าลำแสงเหล่านี้แต่ละอันจะต้องคงที่ ที่จริงแล้ว คุณสามารถพัลส์แสงในลำแสงอินพุตทั้งสองแบบชั่วครู่และวัดพัลส์เอาต์พุตได้ ยิ่งไปกว่านั้น คุณสามารถป้อนสัญญาณเอาท์พุตไปยังตัวเก็บประจุ ซึ่งจะสะสมประจุไว้ได้นานเท่าที่ชีพจรจะคงอยู่ จากนั้นคุณสามารถพัลส์อินพุตอีกครั้งในช่วงเวลาเดียวกัน คราวนี้เป็นการเข้ารหัสตัวเลขใหม่สองตัวเพื่อคูณเข้าด้วยกัน ผลิตภัณฑ์ของพวกเขาเพิ่มประจุให้กับตัวเก็บประจุมากขึ้น คุณสามารถทำขั้นตอนนี้ซ้ำได้มากเท่าที่ต้องการ ทุกครั้งที่ดำเนินการคูณและสะสมอีกครั้ง
การใช้แสงพัลส์ในลักษณะนี้ทำให้คุณสามารถดำเนินการดังกล่าวได้หลายอย่างในลำดับการยิงที่รวดเร็ว ส่วนที่ใช้พลังงานมากที่สุดคือการอ่านแรงดันไฟฟ้าบนตัวเก็บประจุนั้น ซึ่งต้องใช้ตัวแปลงอนาล็อกเป็นดิจิตอล แต่คุณไม่จำเป็นต้องทำอย่างนั้นหลังจากแต่ละพัลส์—คุณสามารถรอจนกระทั่งสิ้นสุดลำดับของ พูดว่า Nพัลส์ นั่นหมายความว่าอุปกรณ์สามารถดำเนินการNคูณและสะสมโดยใช้พลังงานจำนวนเท่ากันเพื่ออ่านคำตอบว่าNมีขนาดเล็กหรือใหญ่ ในที่นี้Nสอดคล้องกับจำนวนเซลล์ประสาทต่อเลเยอร์ในโครงข่ายประสาทของคุณ ซึ่งสามารถนับได้เป็นพันๆ อย่างง่ายดาย ดังนั้นกลยุทธ์นี้จึงใช้พลังงานน้อยมาก

jumboslot

บางครั้งคุณสามารถประหยัดพลังงานในด้านอินพุตของสิ่งต่างๆ ได้เช่นกัน นั่นเป็นเพราะว่าค่าเดียวกันนี้มักถูกใช้เป็นอินพุตไปยังเซลล์ประสาทหลายเซลล์ แทนที่จะแปลงตัวเลขดังกล่าวเป็นแสงหลายครั้ง—ใช้พลังงานในแต่ละครั้ง—สามารถเปลี่ยนได้เพียงครั้งเดียว และลำแสงที่สร้างขึ้นสามารถแบ่งออกเป็นหลายช่องสัญญาณ ด้วยวิธีนี้ ต้นทุนพลังงานของการแปลงข้อมูลเข้าจะถูกตัดจำหน่ายผ่านการดำเนินการหลายอย่าง
การแยกลำแสงหนึ่งออกเป็นหลายช่องไม่จำเป็นต้องซับซ้อนมากไปกว่าเลนส์ แต่เลนส์อาจเป็นเรื่องยากที่จะใส่ลงบนชิป ดังนั้นอุปกรณ์ที่เรากำลังพัฒนาเพื่อทำการคำนวณโครงข่ายประสาทเทียม อาจเป็นอุปกรณ์ไฮบริดที่รวมชิปโฟโตนิกที่ผสานรวมเข้ากับองค์ประกอบออปติคัลที่แยกจากกัน
ฉันได้อธิบายกลยุทธ์ที่เพื่อนร่วมงานของฉันและฉันใฝ่หามาไว้ที่นี่แล้ว แต่มีวิธีอื่นๆ ในการลอกผิวหนังแมวที่มองเห็นได้ อีกรูปแบบหนึ่งที่มีแนวโน้มว่าจะเป็นไปตามสิ่งที่เรียกว่าเครื่องวัดระยะใกล้ Mach-Zehnder ซึ่งรวมตัวแยกลำแสงสองตัวและกระจกสะท้อนแสงสองตัว นอกจากนี้ยังสามารถใช้เพื่อทำการคูณเมทริกซ์แบบออปติคัลได้อีกด้วย LightmatterและLightelligenceซึ่งเป็นบริษัทสตาร์ทอัพที่ใช้ MIT สองแห่งกำลังพัฒนาตัวเร่งความเร็วเครือข่ายประสาทแบบออปติคัลตามแนวทางนี้ Lightmatter ได้สร้างต้นแบบที่ใช้ชิปออปติคัลที่ประดิษฐ์ขึ้นแล้ว และบริษัทคาดว่าจะเริ่มขายบอร์ดเร่งความเร็วแบบออปติคัลซึ่งใช้ชิปตัวนั้นในปลายปีนี้
การเริ่มต้นอื่นที่ใช้เลนส์สำหรับการคำนวณคือ Optalysisซึ่งหวังว่าจะรื้อฟื้นแนวคิดที่ค่อนข้างเก่า การใช้คอมพิวเตอร์ออปติคอลครั้งแรกในทศวรรษ 1960คือการประมวลผลข้อมูลเรดาร์รูรับแสงสังเคราะห์ ส่วนสำคัญของความท้าทายคือการนำไปใช้กับข้อมูลที่วัดได้ซึ่งเป็นการดำเนินการทางคณิตศาสตร์ที่เรียกว่าการแปลงฟูริเยร์ คอมพิวเตอร์ดิจิทัลในสมัยนั้นต่อสู้กับสิ่งเหล่านี้ แม้กระทั่งตอนนี้ การใช้การแปลงฟูริเยร์กับข้อมูลจำนวนมากก็สามารถทำได้อย่างเข้มข้นในการคำนวณ แต่การแปลงฟูริเยร์สามารถทำได้ด้วยแสงโดยไม่มีอะไรซับซ้อนไปกว่าเลนส์ ซึ่งเป็นเวลาหลายปีที่วิศวกรประมวลผลข้อมูลรูรับแสงสังเคราะห์ Optalysis หวังที่จะนำวิธีการนี้เป็นปัจจุบันและนำไปใช้อย่างกว้างขวางมากขึ้น
ในทางทฤษฎี โฟโตนิกส์มีศักยภาพในการเร่งการเรียนรู้เชิงลึกด้วยลำดับความสำคัญหลายระดับ
นอกจากนี้ยังมี บริษัท ที่เรียกว่า การส่องสว่าง , ปั่นออกจากมหาวิทยาลัยพรินซ์ตันซึ่งเป็นที่ทำงานเพื่อสร้างเครือข่ายประสาทองศาขึ้นอยู่กับสิ่งที่เรียกว่าเซลล์ประสาทเลเซอร์ การขยับโครงข่ายประสาทเทียมเลียนแบบการทำงานของโครงข่ายประสาทชีวภาพอย่างใกล้ชิดยิ่งขึ้น และเช่นเดียวกับสมองของเราเอง สามารถคำนวณโดยใช้พลังงานเพียงเล็กน้อย ฮาร์ดแวร์ของ Luminous ยังอยู่ในช่วงเริ่มต้นของการพัฒนา แต่คำมั่นสัญญาที่จะรวมแนวทางการประหยัดพลังงานสองวิธี ได้แก่ การพุ่งขึ้นและการมองเห็นนั้นค่อนข้างน่าตื่นเต้น
แน่นอนว่ายังมีความท้าทายทางเทคนิคมากมายที่ต้องเอาชนะ หนึ่งคือการปรับปรุงความแม่นยำและช่วงไดนามิกของการคำนวณออปติคัลแอนะล็อก ซึ่งไม่มีที่ไหนเลยที่ใกล้จะดีเท่ากับสิ่งที่สามารถทำได้ด้วยอุปกรณ์อิเล็กทรอนิกส์ดิจิทัล นั่นเป็นเพราะว่าโปรเซสเซอร์ออปติคัลเหล่านี้ได้รับผลกระทบจากแหล่งสัญญาณรบกวนต่างๆ และเนื่องจากตัวแปลงดิจิทัลเป็นแอนะล็อกและแอนะล็อกเป็นดิจิทัลที่ใช้ในการรับข้อมูลเข้าและออกมีความแม่นยำจำกัด อันที่จริง เป็นเรื่องยากที่จะจินตนาการว่าโครงข่ายประสาทเทียมแบบออปติคัลทำงานด้วยความแม่นยำมากกว่า 8 ถึง 10 บิต แม้ว่าจะมีฮาร์ดแวร์การเรียนรู้เชิงลึกอิเล็กทรอนิกส์แบบ 8 บิตอยู่แล้ว (Google TPU เป็นตัวอย่างที่ดี) อุตสาหกรรมนี้ต้องการความแม่นยำที่สูงขึ้น โดยเฉพาะอย่างยิ่งสำหรับการฝึกอบรมเกี่ยวกับโครงข่ายประสาทเทียม
นอกจากนี้ยังมีความยากลำบากในการรวมส่วนประกอบออปติคัลเข้ากับชิป เนื่องจากส่วนประกอบเหล่านี้มีขนาดหลายสิบไมโครเมตร จึงไม่สามารถบรรจุได้เกือบแน่นเท่ากับทรานซิสเตอร์ ดังนั้นพื้นที่ชิปที่ต้องการจึงเพิ่มขึ้นอย่างรวดเร็ว การสาธิตวิธีการนี้ในปี 2560โดยนักวิจัยของ MIT เกี่ยวข้องกับชิปที่ด้านข้าง 1.5 มิลลิเมตร แม้แต่ชิปที่ใหญ่ที่สุดก็มีขนาดไม่เกินหลายตารางเซนติเมตร ซึ่งจำกัดขนาดของเมทริกซ์ที่สามารถประมวลผลแบบคู่ขนานได้ด้วยวิธีนี้
มีคำถามเพิ่มเติมอีกมากในด้านสถาปัตยกรรมคอมพิวเตอร์ที่นักวิจัยด้านโฟโตนิกส์มักจะกวาดดูใต้พรม สิ่งที่ชัดเจนก็คือ อย่างน้อยในทางทฤษฎี โฟโตนิกส์มีศักยภาพที่จะเร่งการเรียนรู้เชิงลึกด้วยลำดับความสำคัญหลายระดับ
ด้วยเทคโนโลยีที่มีอยู่ในปัจจุบันสำหรับส่วนประกอบต่างๆ (โมดูเลเตอร์ออปติคัล เครื่องตรวจจับ แอมพลิฟายเออร์ ตัวแปลงอนาล็อกเป็นดิจิตอล) มีเหตุผลที่จะคิดว่าประสิทธิภาพการใช้พลังงานของการคำนวณโครงข่ายประสาทเทียมสามารถทำได้ดีกว่าโปรเซสเซอร์อิเล็กทรอนิกส์ในปัจจุบันถึง 1,000 เท่า . การตั้งสมมติฐานเชิงรุกมากขึ้นเกี่ยวกับเทคโนโลยีด้านการมองเห็นที่เกิดขึ้นใหม่ ปัจจัยนั้นอาจมีขนาดใหญ่ถึงหนึ่งล้าน และเนื่องจากโปรเซสเซอร์อิเล็กทรอนิกส์มีข้อจำกัดด้านพลังงาน การปรับปรุงประสิทธิภาพด้านพลังงานเหล่านี้น่าจะแปลเป็นการปรับปรุงความเร็วที่สอดคล้องกัน

slot

แนวคิดหลายอย่างในการประมวลผลแบบออปติคัลแบบแอนะล็อกมีมานานหลายทศวรรษ บางรุ่นถึงก่อนคอมพิวเตอร์ซิลิกอน แผนการสำหรับการคูณเมทริกซ์แสงและ แม้สำหรับเครือข่ายประสาทออปติคอลได้แสดงให้เห็นเป็นครั้งแรกในปี 1970 แต่วิธีนี้ไม่ทัน ครั้งนี้จะต่างจากเดิมไหม? อาจด้วยเหตุผลสามประการ
ประการแรก การเรียนรู้เชิงลึกมีประโยชน์อย่างแท้จริงในตอนนี้ ไม่ใช่แค่ความอยากรู้ทางวิชาการเท่านั้น ประการที่สอง เราไม่สามารถพึ่งพากฎของมัวร์เพียงอย่างเดียวเพื่อปรับปรุงอุปกรณ์อิเล็กทรอนิกส์ต่อไป และสุดท้าย เรามีเทคโนโลยีใหม่ที่ไม่สามารถใช้ได้กับคนรุ่นก่อน นั่นคือ photonics แบบบูรณาการ ปัจจัยเหล่านี้ชี้ให้เห็นว่าเครือข่ายประสาทเทียมแบบออปติคัลจะมาถึงจริงในเวลานี้ และอนาคตของการคำนวณดังกล่าวอาจเป็นโฟโตนิก

Posted in Slot | Tagged , , , , | Comments Off on เส้นทางสู่คอมพิวเตอร์ควอนตัมเริ่มต้นด้วยจุดควอนตัม

ขั้นตอนสำคัญสู่คอมพิวเตอร์ควอนตัมซิลิคอน

ขั้นตอนสำคัญสู่คอมพิวเตอร์ควอนตัมซิลิคอน

jumbo jili

ชัยชนะของการทดลองฟิสิกส์ ทีมนักวิทยาศาสตร์นำโดย Andrea Morello และ Andrew Dzurak จากมหาวิทยาลัย New South Wales ในออสเตรเลีย รายงานว่าพวกเขาสามารถตรวจจับสถานะแม่เหล็กหรือการหมุนของแม่เหล็กแท่งเดียวได้ อิเล็กตรอนในชิปซิลิกอน นักวิทยาศาสตร์กล่าวว่านี่เป็นครั้งแรกที่ความสำเร็จดังกล่าวสำเร็จ และเป็นขั้นตอนที่มีแนวโน้มไปสู่การพัฒนาคอมพิวเตอร์ควอนตัมที่ใช้ซิลิกอน

สล็อต

ตรงกันข้ามกับคอมพิวเตอร์ควอนตัมที่คุณใช้ทุกวัน พยายามควบคุมกฎของกลศาสตร์ควอนตัมเพื่อเร่งการคำนวณ เครื่องจักรที่ยังอยู่ในขั้นทดลองเหล่านี้ให้คำมั่นสัญญาว่าจะทำงานบางอย่างซึ่งจะใช้เวลาหลายปีกว่าจะทำสำเร็จในไม่กี่วินาที คอมพิวเตอร์ควอนตัมเป็นสาขาที่ค่อนข้างใหม่และมีการสร้างเครื่องจักรพื้นฐานเท่านั้น ส่วนหนึ่งของปัญหาในการสร้างคอมพิวเตอร์ควอนตัมขนาดใหญ่คือระบบควอนตัมขนาดใหญ่ไม่ได้เก็บข้อมูลไว้นาน พวกเขา “ถอดรหัส” อย่างรวดเร็วในกลศาสตร์ควอนตัม
วิธีการที่ทันสมัยที่สุดในคอมพิวเตอร์ควอนตัมพยายามที่จะสร้าง qubits-เป็นบิตควอนตัมจะเรียกว่าโดยใช้ไอออนของก๊าซเย็นที่ติดอยู่ในพื้นที่แคบ , ยิ่งยวดทางแยกหรือระบบออปติคอล อย่างไรก็ตาม เนื่องจากการแยกตัวออกจากกัน วิธีการเหล่านี้จึงคิดว่ายากที่จะขยายได้ถึงหลายร้อย qubits ที่จำเป็นในการสร้างคอมพิวเตอร์ควอนตัมที่สามารถแข่งขันกับคอมพิวเตอร์ทั่วไปที่ทรงประสิทธิภาพได้ ในปี 1998 นักฟิสิกส์ Bruce Kane ที่มหาวิทยาลัยนิวเซาธ์เวลส์ ได้เสนอแนะคอมพิวเตอร์ควอนตัมประเภทหนึ่งที่สามารถนำมาใช้ในชิปซิลิกอนที่เจือด้วยฟอสฟอรัส ซึ่งสามารถปรับขนาดได้ค่อนข้างง่าย แนวคิดของ Kane เกี่ยวข้องกับการใช้สปินนิวเคลียร์ของอะตอมผู้บริจาคฟอสฟอรัสเป็นคิวบิต
ทีมออสเตรเลียได้รับแรงบันดาลใจจากข้อเสนอของเคน “ซิลิกอนเป็นระบบวัสดุที่โดดเด่นสำหรับวงจรรวมในปัจจุบัน ดังนั้นความสามารถในการใช้ความรู้และการลงทุนด้านการผลิตซิลิกอนในทศวรรษที่ผ่านมาจะเป็นประโยชน์อย่างมากหากต้องพัฒนาเทคโนโลยีที่ใช้งานได้ในเชิงพาณิชย์” Dzurak กล่าว แต่ทีมวิจัยเลือกที่จะตรวจสอบการหมุนของอิเล็กตรอนแทนนิวเคลียสของฟอสฟอรัส “การหมุนของอิเล็กตรอนในซิลิกอนมีเวลาในการเชื่อมโยงกันที่ยาวนานมากเมื่อเทียบกับวิธีการโซลิดสเตตแบบอื่นที่เทียบเคียงได้” Dzurak กล่าว
Quantum Dynamic Duo: Andrew Dzurak และ Andrea Morello แห่งมหาวิทยาลัยนิวเซาธ์เวลส์ สัมผัสได้ถึงการหมุนของอิเล็กตรอนเดี่ยวในซิลิคอน
นักวิทยาศาสตร์สามารถวัดประจุของอิเล็กตรอนตัวเดียวได้ตั้งแต่ปี 1990 โดยใช้อุปกรณ์ทดลองที่เรียกว่าทรานซิสเตอร์แบบอิเล็กตรอนเดี่ยว อย่างไรก็ตาม การตรวจจับการหมุนของอิเล็กตรอนตัวเดียวนั้นยากกว่ามาก เนื่องจากเป็นการยากมากที่จะวัดโมเมนต์แม่เหล็กในนาทีนั้นโดยตรง แต่จำเป็นต้องแปลงการวัดการหมุนเป็น “การวัดการถ่ายโอนประจุ” Dzurak กล่าว
ในการทำเช่นนี้ ทีมงานได้สร้างอุปกรณ์ทดสอบเซมิคอนดักเตอร์บนพื้นผิวซิลิกอนที่มีความบริสุทธิ์สูงมาก โดยการฝังอะตอมของฟอสฟอรัสในรูปแบบนาโน ทีมงานได้จับคู่อุปกรณ์ทดสอบกับทรานซิสเตอร์อิเล็กตรอนแบบอิเล็กตรอนเดี่ยวของโลหะออกไซด์ที่สร้างขึ้นใกล้กับซิลิคอน การรวมกันของอุปกรณ์ที่เกิดขึ้นทำให้นักฟิสิกส์ได้รับสถานะการหมุนของอิเล็กตรอนเพื่อควบคุมการไหลของประจุในวงจรใกล้เคียงและสร้างการอ่านข้อมูลแบบดิจิทัล
“จนถึงการทดลองนี้ ยังไม่มีใครวัดการหมุนของอิเล็กตรอนตัวเดียวในซิลิกอนได้” มอเรลโลกล่าว
แต่การอ่านสถานะการหมุนของอิเล็กตรอนเป็นเพียงส่วนหนึ่งของการคำนวณควอนตัมเท่านั้น คุณต้องสามารถเขียนได้เช่นกัน นักวิจัยกล่าวว่าขั้นตอนต่อไปที่พวกเขาใฝ่หาคือการสร้างนักเขียนอิเล็กตรอนตัวเดียวและรวมเข้ากับผู้อ่าน ความท้าทายมากมายยังคงอยู่ “เห็นได้ชัดว่าวิศวกรรมอะตอมเดี่ยวไม่ใช่เรื่องง่าย” Dzurak กล่าว
นอกจากนี้ “พวกเขาจะต้องจับคู่สอง qubits เข้าด้วยกันเพื่อสร้างตรรกะควอนตัมอย่างง่าย” Kane ซึ่งปัจจุบันอยู่ที่มหาวิทยาลัยแมริแลนด์ในคอลเลจพาร์คกล่าว “งานที่พวกเขาทำเป็นก้าวสำคัญสู่ความสำเร็จในการคำนวณควอนตัมในซิลิคอน แต่ก็ยังมีหนทางอีกยาวไกล”
Loihi สามารถเรียกใช้เครือข่ายที่อาจมีภูมิคุ้มกันต่อการลืมอย่างหายนะ หมายความว่าเรียนรู้เหมือนมนุษย์อีกเล็กน้อย อันที่จริง มีหลักฐานจากความร่วมมือด้านการวิจัยกับกลุ่มของ Thomas Clelandที่ Cornell University ว่า Loihi สามารถบรรลุสิ่งที่เรียกว่าการเรียนรู้แบบครั้งเดียวได้ นั่นคือการเรียนรู้คุณลักษณะใหม่หลังจากที่ได้สัมผัสเพียงครั้งเดียว กลุ่มคอร์เนลล์แสดงสิ่งนี้โดยสรุปแบบจำลองของระบบการดมกลิ่นเพื่อให้ทำงานบนโลอิฮิ เมื่อได้สัมผัสกับกลิ่นเสมือนจริงแบบใหม่ ระบบไม่เพียงแต่ไม่ลืมทุกสิ่งทุกอย่างที่มันได้กลิ่นอย่างหายนะ แต่ยังเรียนรู้ที่จะรับรู้กลิ่นใหม่จากการสัมผัสเพียงครั้งเดียว
Loihi ยังอาจเรียกใช้อัลกอริธึมการแยกคุณลักษณะที่มีภูมิคุ้มกันต่อการโจมตีของฝ่ายตรงข้ามที่ทำให้ระบบจดจำภาพในปัจจุบันสับสน โครงข่ายประสาทเทียมแบบดั้งเดิมไม่เข้าใจคุณลักษณะที่ดึงมาจากภาพในลักษณะที่สมองของเราทำ “พวกเขาสามารถหลอกได้ด้วยการโจมตีแบบง่าย ๆ เช่น การเปลี่ยนพิกเซลแต่ละพิกเซลหรือเพิ่มหน้าจอแสดงสัญญาณรบกวนที่จะไม่หลอกมนุษย์ไม่ว่าด้วยวิธีใด” เดวีส์อธิบาย แต่อัลกอริธึมการเข้ารหัสแบบเบาบาง Loihi สามารถทำงานได้เหมือนกับระบบการมองเห็นของมนุษย์ ดังนั้นจึงไม่ตกเป็นเหยื่อของฉ้อฉลดังกล่าว (น่าเป็นห่วงมนุษย์ไม่มีภูมิคุ้มกันอย่างสมบูรณ์ต่อการโจมตีดังกล่าว )
นักวิจัยยังใช้ Loihi เพื่อปรับปรุงการควบคุมแบบเรียลไทม์สำหรับระบบหุ่นยนต์ ตัวอย่างเช่น เมื่อสัปดาห์ที่แล้วที่Telluride Neuromorphic Cognition Engineering Workshopซึ่งเป็นเหตุการณ์ที่ Davies เรียกว่า “ค่ายฤดูร้อนสำหรับผู้สนใจเรื่อง neuromorphics” นักวิจัยทำงานอย่างหนักโดยใช้ระบบ Loihi เพื่อควบคุมโต๊ะฟุตบอล “มันทำให้ผู้คนคลั่งไคล้” เขากล่าว “แต่มันเป็นภาพประกอบที่ดีของเทคโนโลยี neuromorphic รวดเร็ว ต้องการการตอบสนองที่รวดเร็ว การวางแผนที่รวดเร็ว และความคาดหวัง นี่คือสิ่งที่ชิป neuromorphic ทำได้ดี”
เพื่อให้ได้การประมวลผลแบบ edge Computing ที่ผู้คนพูดถึงในแอพพลิเคชั่นต่างๆ ซึ่งรวมถึง เครือข่าย 5GและInternet of Things (IoT) คุณจะต้องบรรจุพลังการประมวลผลจำนวนมากลงในอุปกรณ์ที่มีขนาดค่อนข้างเล็ก
วิธีไปข้างหน้าสำหรับความคิดที่ว่าจะได้รับการยกระดับปัญญาประดิษฐ์ (AI) คอมพิวเตอร์เทคนิคสำหรับสิ่งที่เรียกว่า AI ที่ขอบ ในขณะที่บางคนกังวลว่านักเทคโนโลยีจะจัดการกับ AI สำหรับการใช้งานนอกเหนือจากการคำนวณแบบเดิมๆ อย่างไร และบางคนก็กำลังโบกมือให้กับ ประเทศที่จะได้เปรียบในพรมแดนใหม่นี้ เทคโนโลยียังค่อนข้างเร็วในวัฏจักรการพัฒนา
แต่ดูเหมือนว่าสถานะยังเร็วเกินไปกำลังจะเปลี่ยนไปเล็กน้อย นักวิจัยจาก Université de Sherbrooke ในควิเบก ประเทศแคนาดา ได้จัดการติดตั้งอุปกรณ์ระบบไมโครอิเล็กทรอนิกส์ (MEMS) ด้วยรูปแบบของปัญญาประดิษฐ์ ซึ่งนับเป็นครั้งแรกที่ AI ประเภทใดก็ตามรวมอยู่ในอุปกรณ์ MEMS ผลที่ได้คือการประมวลผลแบบ neuromorphicชนิดหนึ่งที่ทำงานเหมือนสมองของมนุษย์ แต่อยู่ในอุปกรณ์ไมโครสเกล การรวมกันทำให้สามารถประมวลผลข้อมูลในอุปกรณ์ได้เอง ซึ่งจะช่วยปรับปรุงโอกาสในการใช้ Edge Computing
Julien Sylvestreศาสตราจารย์ที่ Sherbrooke และผู้เขียนร่วมของรายงานวิจัยกล่าวว่า “เราได้เขียนบทความไปแล้วเมื่อปีที่แล้วซึ่งแสดงให้เห็นในทางทฤษฎีว่า MEMS AI สามารถทำได้” กล่าวโดยJulien Sylvestre “ความก้าวหน้าครั้งล่าสุดของเราคือการแสดงอุปกรณ์ที่สามารถทำได้ในห้องปฏิบัติการ”

สล็อตออนไลน์

วิธี AI นักวิจัยแสดงให้เห็นในการวิจัยของพวกเขาซึ่งได้อธิบายไว้ในวารสารฟิสิกส์ประยุกต์ ,เป็นสิ่งที่เรียกว่า“ คอมพิวเตอร์อ่างเก็บน้ำ .” ซิลเวสเตอร์อธิบายว่าเพื่อทำความเข้าใจเกี่ยวกับการคำนวณในอ่างเก็บน้ำ คุณต้องเข้าใจเล็กน้อยเกี่ยวกับการทำงานของโครงข่ายประสาทเทียม (ANN) ANN เหล่านี้รับข้อมูลบนบอร์ดผ่านเลเยอร์อินพุต แปลงข้อมูลนั้นในเลเยอร์ที่ซ่อนอยู่ของหน่วยคำนวณซึ่งมักเรียกว่าเซลล์ประสาท จากนั้นตีความข้อมูลขั้นสุดท้ายในเลเยอร์เอาต์พุต การคำนวณอ่างเก็บน้ำมักใช้กับอินพุตที่ขึ้นอยู่กับเวลา
ดังนั้นการคำนวณในอ่างเก็บน้ำจึงใช้ระบบไดนามิกที่ขับเคลื่อนโดยอินพุตที่ขึ้นกับเวลา ระบบไดนามิกถูกเลือกให้ค่อนข้างซับซ้อน ดังนั้นการตอบสนองต่ออินพุตจึงค่อนข้างแตกต่างจากอินพุตเอง
นอกจากนี้ ระบบยังได้รับเลือกให้มีอิสระหลายระดับในการตอบสนองต่ออินพุต เป็นผลให้ข้อมูลเข้า “ถูกแมป” กับวิถีในพื้นที่มิติสูง แต่ละมิติสอดคล้องกับระดับความเป็นอิสระ สิ่งนี้สร้าง “ความสมบูรณ์” ของข้อมูลจำนวนมาก หมายความว่ามีการเปลี่ยนแปลงข้อมูลอินพุตที่แตกต่างกันมากมาย
“เคล็ดลับพิเศษที่ใช้โดยการคำนวณแบบอ่างเก็บน้ำคือการรวมมิติทั้งหมดเป็นเส้นตรงเพื่อให้ได้ผลลัพธ์ที่สอดคล้องกับสิ่งที่เราต้องการให้คอมพิวเตอร์เป็นคำตอบสำหรับอินพุตที่กำหนด” ซิลเวสเตอร์กล่าว “นั่นคือสิ่งที่เราเรียกว่า ‘การฝึกอบรม’ การคำนวณในอ่างเก็บน้ำ การรวมเชิงเส้นนั้นคำนวณได้ง่ายมาก ไม่เหมือนกับวิธีการอื่นๆ ของ AI ซึ่งจะพยายามปรับเปลี่ยนการทำงานภายในของระบบไดนามิกเพื่อให้ได้ผลลัพธ์ที่ต้องการ”
ในระบบคอมพิวเตอร์อ่างเก็บน้ำส่วนใหญ่ ระบบไดนามิกคือซอฟต์แวร์ ในงานนี้ ระบบไดนามิกเป็นอุปกรณ์ MEMS เอง เพื่อให้บรรลุระบบไดนามิกนี้ อุปกรณ์ใช้ไดนามิกที่ไม่เป็นเชิงเส้นว่าลำแสงซิลิกอนที่บางมากจะแกว่งไปมาในอวกาศอย่างไร การสั่นเหล่านี้สร้างโครงข่ายประสาทเทียมชนิดหนึ่งที่แปลงสัญญาณอินพุตเป็นพื้นที่มิติที่สูงขึ้นซึ่งจำเป็นสำหรับการคำนวณโครงข่ายประสาทเทียม
ซิลเวสเตอร์อธิบายว่าเป็นการยากที่จะปรับเปลี่ยนการทำงานภายในของอุปกรณ์ MEMS แต่ไม่จำเป็นในการคำนวณแบบอ่างเก็บน้ำ ซึ่งเป็นเหตุผลว่าทำไมพวกเขาจึงใช้วิธีนี้ในการทำ AI ใน MEMS
“งานของเราแสดงให้เห็นว่าเป็นไปได้ที่จะใช้ทรัพยากรที่ไม่เชิงเส้นใน MEMS เพื่อทำ AI” ซิลเวสเตอร์กล่าว “เป็นวิธีใหม่ในการสร้างอุปกรณ์ ‘อัจฉริยะประดิษฐ์’ ที่มีขนาดเล็กและมีประสิทธิภาพมาก”
เป็นการยากที่จะเปรียบเทียบพลังการประมวลผลของอุปกรณ์ MEMS นี้กับปริมาณที่ทราบ เช่น คอมพิวเตอร์เดสก์ท็อป ตามที่ซิลเวสเตอร์กล่าว “คอมพิวเตอร์และ MEMS ของเราทำงานแตกต่างกันมาก” เขาอธิบาย “ในขณะที่คอมพิวเตอร์มีขนาดใหญ่และกินไฟมาก (หลายสิบวัตต์) MEMS ของเราสามารถพอดีกับปลายผมมนุษย์และทำงานด้วยพลังงานระดับไมโครวัตต์ อย่างไรก็ตาม พวกเขาสามารถทำกลอุบายได้ เช่น การจำแนกคำพูด ซึ่งเป็นงานที่น่าจะใช้ 10 เปอร์เซ็นต์ [ของทรัพยากร] ของคอมพิวเตอร์เดสก์ท็อป”

jumboslot

แอปพลิเคชันที่เป็นไปได้สำหรับ MEMS ที่ติดตั้ง AI นี้อาจเป็นเครื่องวัดความเร่ง MEMS ซึ่งข้อมูลทั้งหมดที่อุปกรณ์กำลังรวบรวมจะได้รับการประมวลผลภายในอุปกรณ์โดยไม่จำเป็นต้องส่งข้อมูลนั้นกลับไปยังคอมพิวเตอร์
ในขณะที่นักวิจัยยังไม่ได้มุ่งเน้นไปที่วิธีที่พวกเขาจะให้พลังงานแก่ MEMS เหล่านี้ สันนิษฐานว่าการใช้พลังงานอย่างน่าสังเวชของอุปกรณ์จะช่วยให้พวกเขาทำงานบนเครื่องเก็บเกี่ยวพลังงานเท่านั้นโดยไม่ต้องใช้แบตเตอรี่ ด้วยเหตุนี้ นักวิจัยจึงกำลังมองหาวิธีนำ AI MEMS ไปใช้กับแอปพลิเคชันในการตรวจจับและควบคุมหุ่นยนต์
การประมวลผลของเราเกิดขึ้นในคลาวด์มากแค่ไหน? มาก. ผู้ให้บริการคลาวด์สาธารณะเพียงอย่างเดียวใช้เวลาในการมากกว่าหนึ่งในสี่ของล้านล้านเหรียญสหรัฐต่อปี นั่นคือเหตุผลที่Amazon , GoogleและMicrosoftมีศูนย์ข้อมูลขนาดใหญ่อยู่ทั่วโลก AppleและFacebook ต่างก็ใช้สิ่งอำนวยความสะดวกที่คล้ายคลึงกัน ทั้งหมดอัดแน่นไปด้วยซีพียูที่มีจำนวนคอร์สูง แรมขนาดเทราไบต์ และพื้นที่เก็บข้อมูลระดับเพตะไบต์
เครื่องจักรเหล่านี้ทำงานอย่างหนักเพื่อสนับสนุนสิ่งที่เรียกว่า “ทุนนิยมการสอดส่อง”: การติดตามไม่รู้จบ โปรไฟล์ผู้ใช้ และการกำหนดเป้​​าหมายอัลกอริธึมที่ใช้ในการแจกจ่ายโฆษณา แน่นอนว่าการคำนวณทั้งหมดนี้ทำเงินได้เป็นจำนวนมาก แต่ก็สิ้นเปลืองมากเช่นกัน ของวัตต์: บลูมเบิร์กได้ประมาณการเมื่อเร็วๆ นี้ว่าประมาณ 1 เปอร์เซ็นต์ของกระแสไฟฟ้าทั่วโลกจะไปที่คลาวด์คอมพิวติ้ง
ตัวเลขดังกล่าวมีแนวโน้มที่จะเติบโตอย่างทวีคูณในทศวรรษหน้า บลูมเบิร์กคาดว่า ทั่วโลก เราอาจออกจากปี 2020 โดยต้องใช้ไฟฟ้ามากถึง 8% ของพลังงานทั้งหมดเพื่อขับเคลื่อนระบบคลาวด์ในอนาคต นั่นอาจดูเหมือนการกระโดดครั้งใหญ่ แต่อาจเป็นการประมาณการที่ระมัดระวัง ท้ายที่สุด ภายในปี 2030 ด้วยแว่นตาเสมือนจริงหลายร้อยล้านตัวที่สตรีมวิดีโอแบบเรียลไทม์ไปยังคลาวด์ และด้วยการใช้สกุลเงินดิจิทัลอัจฉริยะอย่างแพร่หลายที่ผสมผสานเงินกับโค้ดอย่างราบรื่น ระบบคลาวด์จะเป็นรากฐานสำหรับการทำธุรกรรมทางการเงินเกือบทุกรายการ และการโต้ตอบของผู้ใช้กับข้อมูล
เราสามารถอุทิศพลังงานให้กับการคำนวณทั้งหมดนี้ได้มากน้อยเพียงใด ก่อนหน้านี้ เราอาจใช้กฎของมัวร์เพื่อควบคุมงบประมาณด้านพลังงานในขณะที่เราขยายทรัพยากรการประมวลผลของเรา แต่ตอนนี้ เมื่อเราขจัดประสิทธิภาพของโหนดประมวลผลสองสามขั้นสุดท้ายก่อนที่เราจะไปถึงอุปกรณ์ระดับอะตอม การปรับปรุงเหล่านั้นจะถึงขีดจำกัดทางกายภาพ จะใช้เวลาไม่นานจนกว่าการประมวลผลและการใช้พลังงานจะกลับมารวมกันอีกครั้ง เหมือนเมื่อ 60 ปีก่อน ก่อนที่ซีพียูแบบบูรณาการจะเปลี่ยนเกม
เราไม่สามารถอุทิศการผลิตไฟฟ้าทั้งหมดของโลกเพื่อสนับสนุนระบบคลาวด์ บางสิ่งบางอย่างจะต้องให้
ดูเหมือนว่าเรากำลังพุ่งเข้าหากำแพงอิฐ เนื่องจากความต้องการใช้คอมพิวเตอร์ที่เพิ่มขึ้นขัดแย้งกับประสิทธิภาพที่ลดลง เราไม่สามารถอุทิศการผลิตไฟฟ้าทั้งหมดของโลกเพื่อสนับสนุนระบบคลาวด์ บางสิ่งบางอย่างจะต้องให้
โซลูชันที่เร่งด่วนที่สุดจะเกี่ยวข้องกับการประมวลผลข้อมูลที่ Edge มากขึ้น ก่อนที่มันจะเข้าสู่คลาวด์ แต่นั่นก็เปลี่ยนภาระเท่านั้น โดยซื้อเวลามาคิดใหม่ว่าจะจัดการคอมพิวเตอร์ของเราอย่างไรเมื่อต้องเผชิญกับแหล่งพลังงานที่จำกัด
ไม่ต้องสงสัยเลยว่าวิศวกรรมซอฟต์แวร์และฮาร์ดแวร์จะปรับแนวทางการออกแบบใหม่เกี่ยวกับประสิทธิภาพการใช้พลังงานอย่างไม่ต้องสงสัย รหัสเพิ่มเติมจะหาทางเข้าสู่ซิลิคอนแบบกำหนดเอง และโค้ดดังกล่าวจะค้นหาสาเหตุเพิ่มเติมในการทำงานไม่บ่อย แบบอะซิงโครนัส และน้อยที่สุดเท่าที่จะเป็นไปได้ ทั้งหมดนี้จะช่วยได้ แต่เมื่อซอฟต์แวร์กลืนกินโลกมากขึ้นเรื่อยๆ —เพื่อขอยืมคำอุปมาที่โด่งดังในตอนนี้—เราจะเผชิญกับความท้าทายนี้ในอาณาจักรที่กว้างกว่า
เราสามารถสอดแนมอนาคตนี้ได้ในการใช้พลังงานและผลกำไรส่วนตัวซึ่งเป็นกลไกพิสูจน์การทำงานสำหรับ cryptocurrencies เช่น Bitcoin บริษัทอย่าง Square ได้ประกาศการลงทุนด้านพลังงานแสงอาทิตย์สำหรับการขุด Bitcoin โดยหวังว่าจะเบี่ยงเบนข่าวร้ายที่เกี่ยวข้องกับกิจกรรมนี้ แต่มากกว่าการประชาสัมพันธ์เป็นเดิมพัน
Bitcoin ขอให้เราขุดแรงจูงใจในการทำกำไรกับสุขภาพของโลก กิจกรรมการคำนวณจำนวนมากขึ้นจะทำเช่นเดียวกันในอนาคต หวังว่าเราจะไม่ถึงจุดที่ชะตากรรมของโลกขึ้นอยู่กับชะตากรรมของทรานซิสเตอร์
ลองนึกถึงงานมากมายที่คอมพิวเตอร์กำลังถูกนำไปใช้ ซึ่งในอดีตอันใกล้ไม่ไกลนั้นจำเป็นต้องมีสัญชาตญาณของมนุษย์ คอมพิวเตอร์มักระบุวัตถุในภาพ ถอดเสียงคำพูด แปลระหว่างภาษา วินิจฉัยโรค เล่นเกมที่ซับซ้อน และขับรถ

slot

เทคนิคที่ส่งเสริมการพัฒนาที่น่าทึ่งเหล่านี้เรียกว่าการเรียนรู้เชิงลึก ซึ่งเป็นคำที่อ้างถึงแบบจำลองทางคณิตศาสตร์ที่เรียกว่าโครงข่ายประสาทเทียม การเรียนรู้เชิงลึกเป็นสาขาย่อยของการเรียนรู้ด้วยเครื่อง ซึ่งเป็นสาขาหนึ่งของวิทยาการคอมพิวเตอร์โดยอิงจากแบบจำลองที่ซับซ้อนกับข้อมูล
แม้ว่าแมชชีนเลิร์นนิงจะมีมาช้านานแล้ว แต่การเรียนรู้เชิงลึกได้ดำเนินชีวิตด้วยตัวของมันเองเมื่อเร็วๆ นี้ เหตุผลส่วนใหญ่เกี่ยวข้องกับพลังประมวลผลที่เพิ่มขึ้นซึ่งมีให้ใช้อย่างแพร่หลาย ควบคู่ไปกับปริมาณข้อมูลที่เพิ่มขึ้นซึ่งสามารถรวบรวมและนำไปใช้ในการฝึกอบรมโครงข่ายประสาทเทียมได้อย่างง่ายดาย

Posted in Slot | Tagged , , | Comments Off on ขั้นตอนสำคัญสู่คอมพิวเตอร์ควอนตัมซิลิคอน

การแสดงจุดควอนตัมกราฟีนขั้นสูงสามารถนำไปสู่โซลิดสเตต Qubits ได้หรือไม่?

การแสดงจุดควอนตัมกราฟีนขั้นสูงสามารถนำไปสู่โซลิดสเตต Qubits ได้หรือไม่?

jumbo jili

คอมพิวเตอร์ควอนตัมบางครั้งเรียกว่าจอกศักดิ์สิทธิ์ของการคำนวณ หรือบางทีศิลาอาถรรพ์แห่งการคำนวณอาจเป็นการอ้างอิงยุคกลางที่เหมาะสมอีกประการหนึ่งในการสืบเสาะที่แทบจะเป็นไปไม่ได้ ไม่ว่าในกรณีใด ในขณะที่บางชุดอ้างว่าพวกเขาประสบความสำเร็จในการสร้างต้นแบบคอมพิวเตอร์ควอนตัมที่มีนัยสำคัญพอสมควร แม้จะต้องเผชิญกับความสงสัยก็ตาม การสร้างคอมพิวเตอร์ควอนตัมที่สามารถคำนวณบางสิ่งที่เกินกว่าที่เด็กในโรงเรียนประถมสามารถพิสูจน์ได้นั้นยาก

สล็อต

ปัญหาพื้นฐานประการหนึ่งที่นักวิจัยเผชิญในการพัฒนาคอมพิวเตอร์ควอนตัมคือปัญหาในการทำให้คอมพิวเตอร์ดูแลรักษาควอนตัมบิต (หรือ qubits) มากกว่าสองสามตัว วิธีหนึ่งที่มีแนวโน้มมากกว่าที่จะได้เกินเจ็ด qubitsคือการใช้จุดควอนตัม
ตอนนี้นักวิจัยจากมหาวิทยาลัยอิลลินอยส์ซึ่งนำโดยนาเดีย เมสัน ได้นำรอยย่นใหม่มาสู่การวิจัยในสาขานี้ งานวิจัยซึ่งตีพิมพ์ครั้งแรกในวารสารNature Physicsกำลังมองหาสิ่งที่เกิดขึ้นเมื่อวัสดุนำไฟฟ้าปกติเช่นโลหะหรือกราฟีนถูกประกบระหว่างวัสดุตัวนำยิ่งยวดสองชนิดและสังเกตส่วนต่อประสานของวัสดุ
ในขณะที่มีการสังเกตก่อนหน้านี้ว่าโลหะปกติในกรณีเหล่านี้ใช้ลักษณะของวัสดุตัวนำยิ่งยวดเมื่อกระแสไหลผ่าน (กล่าวคือ มันจะผ่านคู่อิเล็กตรอนผ่านมันด้วยมากกว่าที่จะเป็นกระแสอิเล็กตรอนเดียว) นักวิจัยของรัฐอิลลินอยส์ การทำงานร่วมกับจุดควอนตัมของกราฟีนช่วยให้เข้าใจฟิสิกส์พื้นฐานได้ดีขึ้น: Andreev bound States (ABS)
จนถึงปัจจุบัน ABS ได้พิสูจน์แล้วว่ายากต่อการวัดและสังเกต ณ จุดนี้นักวิจัยได้พัฒนาวิธีการใหม่ในการแยก ABS แต่ละตัวโดยเชื่อมต่อโพรบกับจุดควอนตัมที่ทำจากกราฟีน เนื่องจากจุดควอนตัม พวกมันจำกัด ABS ที่ถูกจำกัดให้อยู่ในสถานะพลังงานที่ไม่ต่อเนื่อง ซึ่งทำให้นักวิจัยไม่เพียงแต่วัด ABS เท่านั้น แต่ยังจัดการพวกมันด้วย
“ก่อนหน้านี้ ไม่สามารถเข้าใจพื้นฐานของสิ่งที่กำลังส่งกระแส” เมสันกล่าว “การดูสถานะที่ถูกผูกไว้แต่ละรายการทำให้คุณสามารถเปลี่ยนพารามิเตอร์หนึ่งตัวและดูว่าโหมดหนึ่งเปลี่ยนไปอย่างไร คุณสามารถทำความเข้าใจอย่างเป็นระบบได้อย่างแท้จริง นอกจากนี้ยังช่วยให้คุณสามารถจัดการ ABS เพื่อใช้กับสิ่งต่าง ๆ ที่ไม่เคยทำมาก่อน “
ความสอดคล้องกันของวัสดุนาโนทั้งสอง กราฟีน และจุดควอนตัม ร่วมกับวัสดุตัวนำยิ่งยวดทำให้การค้นพบครั้งนี้เป็นไปได้
“นี่เป็นกรณีพิเศษที่เราพบบางสิ่งที่เราไม่สามารถค้นพบได้โดยไม่ต้องใช้องค์ประกอบที่แตกต่างกันทั้งหมด – หากไม่มีกราฟีนหรือตัวนำยิ่งยวดหรือจุดควอนตัมก็จะไม่ทำงาน ทั้งหมดนี้เป็นเรื่องจริง จำเป็นต้องเห็นสภาพที่ไม่ปกตินี้” เมสันกล่าว
ทรัพยากรการประมวลผลมหาศาลที่จำเป็นในการฝึกอบรมระบบปัญญาประดิษฐ์ที่ล้ำสมัยหมายความว่าบริษัทเทคโนโลยีที่มีส้นสูงกำลังทิ้งทีมวิชาการไว้ในผงธุลี แต่วิธีการใหม่สามารถช่วยปรับสมดุลของเครื่องชั่ง ทำให้นักวิทยาศาสตร์สามารถจัดการกับปัญหา AI ที่ทันสมัยบนคอมพิวเตอร์เครื่องเดียวได้
2018 รายงานจากOpenAIพบพลังการประมวลผลที่ใช้ในการฝึกอบรมที่มีประสิทธิภาพที่สุด AI จะเพิ่มขึ้นที่ก้าวอย่างรวดเร็วอย่างไม่น่าเชื่อ สองเท่าทุก 3.4เดือน วิธีการหนึ่งที่หิวกระหายข้อมูลมากที่สุดคือการเรียนรู้การเสริมแรงเชิงลึก ซึ่ง AI เรียนรู้ผ่านการลองผิดลองถูกโดยทำซ้ำผ่านการจำลองหลายล้านครั้ง ความก้าวหน้าล่าสุดที่น่าประทับใจใน วิดีโอเกมอย่าง Starcraft และ Dota2 นั้นอาศัยเซิร์ฟเวอร์ที่อัดแน่นไปด้วยซีพียูและ GPU หลายร้อยตัว
ฮาร์ดแวร์เฉพาะทาง เช่น Wafer Scale Engine ของ Cerebras System สัญญาว่าจะแทนที่ชั้นวางโปรเซสเซอร์เหล่านี้ด้วยชิปขนาดใหญ่เพียงตัวเดียวที่ปรับให้เหมาะสมที่สุดสำหรับการฝึกอบรม AI แต่ด้วยป้ายราคาที่พุ่งเข้าหาคนนับล้าน จึงไม่เป็นการปลอบใจนักสำหรับนักวิจัยที่ไม่ได้รับทุนสนับสนุนมากนัก
ตอนนี้ ทีมงานจากUniversity of Southern CaliforniaและIntel Labsได้สร้างวิธีการฝึกอัลกอริธึม Deep Reinforcement Learning (RL) บนฮาร์ดแวร์ที่หาได้ทั่วไปในห้องปฏิบัติการทางวิชาการ ใน บทความที่ นำเสนอในการประชุมนานาชาติด้านการเรียนรู้ของเครื่อง (ICML) ปี2020 ในสัปดาห์นี้ พวกเขาอธิบายว่าพวกเขาสามารถใช้เวิร์กสเตชันระดับไฮเอนด์เพียงเครื่องเดียวเพื่อฝึก AI ด้วยประสิทธิภาพอันล้ำสมัยในการยิงมุมมองบุคคลที่หนึ่งได้อย่างไร วิดีโอเกมDoom พวกเขายังจัดการกับความท้าทาย 3D ที่หลากหลาย 30 ชุดที่สร้างโดยDeepMindโดยใช้พลังประมวลผลเพียงเล็กน้อย
Peter Stoneศาสตราจารย์แห่งมหาวิทยาลัยเท็กซัสในออสตินที่เชี่ยวชาญด้าน RL ระดับลึกกล่าวว่า “การคิดค้นวิธีการทำ RL อย่างลึกซึ้งบนฮาร์ดแวร์สินค้าโภคภัณฑ์เป็นเป้าหมายการวิจัยที่ยอดเยี่ยม นอกจากการละทิ้งกลุ่มวิจัยเล็กๆ ไว้เบื้องหลังแล้ว ทรัพยากรการประมวลผลตามปกติที่จำเป็นในการดำเนินการวิจัยประเภทนี้ยังมีการปล่อยก๊าซคาร์บอนไดออกไซด์อย่างมีนัยสำคัญอีกด้วย เขากล่าวเสริม “ความก้าวหน้าใดๆ ในการทำให้ RL เป็นประชาธิปไตยและลดความต้องการพลังงานในการทำวิจัยเป็นขั้นตอนในทิศทางที่ถูกต้อง” เขากล่าว
แรงบันดาลใจสำหรับโครงการนี้คือกรณีคลาสสิกของความจำเป็นในการเป็นมารดาของการประดิษฐ์Aleksei Petrenkoผู้เขียนนำ ซึ่งเป็นนักศึกษาระดับบัณฑิตศึกษาของ USC กล่าว เมื่อการฝึกงานภาคฤดูร้อนที่ Intel สิ้นสุดลง Petrenko สูญเสียการเข้าถึงคลัสเตอร์ซูเปอร์คอมพิวเตอร์ของบริษัท ซึ่งทำให้โครงการ RL ระดับลึกที่ยังไม่เสร็จตกอยู่ในอันตราย ดังนั้นเขาและเพื่อนร่วมงานจึงตัดสินใจหาวิธีทำงานต่อในระบบที่ง่ายกว่านี้ต่อไป
การใช้เครื่องเดียวที่มี CPU 36 คอร์และ GPU หนึ่งเครื่อง นักวิจัยสามารถประมวลผลได้ประมาณ 140,000 เฟรมต่อวินาทีขณะฝึกอบรมเกี่ยวกับวิดีโอเกม Atari และ Doom หรือเพิ่มเป็นสองเท่าของวิธีที่ดีที่สุดถัดไป
“จากประสบการณ์ของผม นักวิจัยจำนวนมากไม่สามารถเข้าถึงฮาร์ดแวร์ล้ำสมัยและล้ำสมัยได้” Petrenko กล่าว “เราตระหนักดีว่าเพียงแค่คิดใหม่ในแง่ของการใช้ฮาร์ดแวร์ให้เกิดประโยชน์สูงสุด คุณก็สามารถเข้าถึงประสิทธิภาพได้อย่างแท้จริง ซึ่งโดยปกติแล้วจะบีบออกจากคลัสเตอร์ขนาดใหญ่แม้ในเวิร์กสเตชันเครื่องเดียว”

สล็อตออนไลน์

แนวทางชั้นนำใน Deep RL วางตัวแทน AI ในสภาพแวดล้อมจำลองที่ให้รางวัลสำหรับการบรรลุเป้าหมายบางอย่าง ซึ่งตัวแทนใช้เป็นข้อเสนอแนะเพื่อกำหนดกลยุทธ์ที่ดีที่สุด สิ่งนี้เกี่ยวข้องกับงานคำนวณหลักสามงาน: การจำลองสภาพแวดล้อมและตัวแทน ตัดสินใจว่าจะทำอย่างไรต่อไปตามกฎที่เรียกว่านโยบาย และนำผลการดำเนินการดังกล่าวมาปรับปรุงนโยบาย
การฝึกอบรมมักถูกจำกัดด้วยกระบวนการที่ช้าที่สุด Petrenko กล่าว แต่งานทั้งสามนี้มักจะเกี่ยวพันกันในแนวทาง RL ระดับลึกมาตรฐาน ทำให้ยากต่อการปรับให้เหมาะสมทีละรายการ แนวทางใหม่ของนักวิจัยที่เรียกว่าSample Factoryได้แยกพวกเขาออกเพื่อให้สามารถทุ่มเททรัพยากรเพื่อให้พวกเขาทั้งหมดทำงานด้วยความเร็วสูงสุด
ข้อมูลการวางท่อระหว่างกระบวนการถือเป็นปัญหาคอขวดที่สำคัญอีกประการหนึ่ง เนื่องจากข้อมูลเหล่านี้มักจะแพร่กระจายไปยังหลายเครื่องได้ Petrenko อธิบาย กลุ่มของเขาใช้ประโยชน์จากการทำงานบนเครื่องเดียวโดยเพียงแค่อัดข้อมูลทั้งหมดลงในหน่วยความจำที่ใช้ร่วมกัน ซึ่งกระบวนการทั้งหมดสามารถเข้าถึงได้ทันที
ส่งผลให้มีการเร่งความเร็วอย่างมีนัยสำคัญเมื่อเทียบกับแนวทาง RL เชิงลึกชั้นนำ การใช้เครื่องเดียวที่มี CPU 36 คอร์และ GPU หนึ่งเครื่อง นักวิจัยสามารถประมวลผลได้ประมาณ 140,000 เฟรมต่อวินาทีขณะฝึกอบรมเกี่ยวกับวิดีโอเกม Atari และ Doom หรือเพิ่มเป็นสองเท่าของวิธีที่ดีที่สุดถัดไป ในสภาพแวดล้อมการฝึกอบรม 3D DeepMind Labพวกเขาโอเวอร์คล็อก 40,000 เฟรมต่อวินาที ดีกว่าอันดับที่สองประมาณ 15 เปอร์เซ็นต์
ในการตรวจสอบว่าอัตราเฟรมแปลเป็นเวลาการฝึกอบรมอย่างไร ทีมงานได้ทดสอบ Sample Factory กับ อัลกอริธึมของ Google Brain ที่โอเพ่นซอร์สในเดือนมีนาคม ซึ่งออกแบบมาเพื่อเพิ่มประสิทธิภาพ RL ในเชิงลึกอย่างมาก Sample Factory ฝึกฝนงานง่ายๆ สองงานใน Doom โดยใช้เวลาหนึ่งในสี่ของอัลกอริธึมอื่น ทีมงานยังได้ทดสอบแนวทางของพวกเขากับความท้าทาย 30 ประการใน DeepMind Lab โดยใช้เครื่อง 4-GPU 36 คอร์ที่มีประสิทธิภาพยิ่งขึ้น ผลลัพธ์ AI นั้นมีประสิทธิภาพเหนือกว่า AI ดั้งเดิมที่ DeepMind ใช้เพื่อจัดการกับความท้าทายอย่างมีนัยสำคัญ ซึ่งได้รับการฝึกฝนบนคลัสเตอร์การประมวลผลขนาดใหญ่
Edward Beechingนักศึกษาระดับบัณฑิตศึกษาที่ทำงานเกี่ยวกับ RL ระดับลึกที่ Institut National des Sciences Appliquées de Lyon ในฝรั่งเศส กล่าวว่าวิธีการนี้อาจต่อสู้กับความท้าทายที่ต้องใช้หน่วยความจำมาก เช่นHabitatจำลองภาพ 3 มิติ ที่ เผยแพร่โดย Facebook เมื่อปีที่แล้ว
แต่เขาเสริมว่าวิธีการฝึกอบรมที่มีประสิทธิภาพเหล่านี้มีความสำคัญอย่างยิ่งต่อทีมวิจัยขนาดเล็ก “การเพิ่มขึ้นสี่เท่าเมื่อเทียบกับการใช้งานที่ทันสมัยนั้นยิ่งใหญ่มาก” เขากล่าว “ซึ่งหมายความว่าในเวลาเดียวกัน คุณสามารถเรียกใช้การทดสอบได้มากเป็นสี่เท่า”

jumboslot

ในขณะที่คอมพิวเตอร์ที่ใช้ในรายงานยังคงเป็นเวิร์กสเตชันระดับไฮเอนด์ที่ออกแบบมาสำหรับการวิจัย AI แต่ Petrenko กล่าวว่าเขาและผู้ทำงานร่วมกันได้ใช้ Sample Factory บนอุปกรณ์ที่ง่ายกว่ามาก เขายังสามารถทำการทดลอง RLขั้นสูง ในแล็ปท็อปสำหรับเล่นเกมระดับกลางได้อีกด้วย เขากล่าว “อันนี้ไม่เคยได้ยิน”
ที่งานDARPA Electronics Resurgence Initiative Summitวันนี้ที่เมืองดีทรอยต์ Intel วางแผนที่จะเปิดตัวระบบneuromorphic ที่มีเซลล์ประสาท 8 ล้านเซลล์ซึ่งประกอบด้วยชิปวิจัย64 ชิปLoihiซึ่งมีชื่อรหัสว่า Pohoiki Beach ชิป Loihi ถูกสร้างขึ้นด้วยสถาปัตยกรรมที่ใกล้ชิดมากขึ้นตรงกับวิธีที่การทำงานของสมองกว่าชิปทำออกแบบมาเพื่อทำการเรียนรู้ลึกหรือรูปแบบอื่น ๆ ของเอไอ สำหรับชุดของปัญหาที่ “โครงข่ายประสาทเทียม” นั้นทำได้ดีเป็นพิเศษ Loihi นั้นเร็วกว่า CPU ประมาณ 1,000 เท่า และประหยัดพลังงาน 10,000 เท่า ระบบ 64-Loihi ใหม่แสดงถึงเซลล์ประสาท 8 ล้านเซลล์ แต่นั่นเป็นเพียงขั้นตอนสู่ระบบ 768 ชิป 100 ล้านเซลล์ประสาทที่ บริษัท วางแผนไว้สำหรับสิ้นปี 2562
Intel และพันธมิตรด้านการวิจัยกำลังเริ่มทดสอบว่าระบบประสาทขนาดใหญ่เช่น Pohoiki Beach สามารถทำอะไรได้บ้าง แต่จนถึงขณะนี้หลักฐานชี้ให้เห็นถึงประสิทธิภาพและประสิทธิภาพที่มากขึ้นMike Davies ผู้อำนวยการฝ่ายวิจัยเกี่ยวกับระบบประสาทของ Intelกล่าว
“เรากำลังรวบรวมผลลัพธ์และข้อมูลอย่างรวดเร็วซึ่งมีประโยชน์แน่นอน… ส่วนใหญ่อยู่ในขอบเขตของประสิทธิภาพ แทบทุกอันที่เราเปรียบเทียบ … เราพบว่ามีกำไรที่สำคัญในสถาปัตยกรรมนี้” เขากล่าว
การเปลี่ยนจาก Loihi ตัวเดียวเป็น 64 ตัวเป็นปัญหาซอฟต์แวร์มากกว่าฮาร์ดแวร์ “เราออกแบบความสามารถในการปรับขนาดในชิป Loihi ตั้งแต่ต้น” เดวีส์กล่าว “ชิปมีอินเทอร์เฟซการกำหนดเส้นทางแบบลำดับชั้น…ซึ่งช่วยให้เราขยายได้ถึง 16,000 ชิป ดังนั้น 64 เป็นเพียงขั้นตอนต่อไป”
การค้นหาอัลกอริธึมที่ทำงานได้ดีบนระบบเซลล์ประสาท 8 ล้านเซลล์และการเพิ่มประสิทธิภาพอัลกอริธึมเหล่านั้นในซอฟต์แวร์นั้นเป็นความพยายามอย่างมาก เขากล่าว ถึงกระนั้นผลตอบแทนก็อาจมีมหาศาล โครงข่ายประสาทเทียมที่คล้ายกับสมองมากกว่า เช่น Loihi อาจมีภูมิคุ้มกันต่อปัญญาประดิษฐ์บางตัว เนื่องจากขาดคำพูดที่ดีกว่า ความโง่เขลา
ตัวอย่างเช่น โครงข่ายประสาทในปัจจุบันประสบกับสิ่งที่เรียกว่าการลืมอย่างหายนะ หากคุณพยายามสอนโครงข่ายประสาทที่ได้รับการฝึกฝนให้รู้จักสิ่งใหม่ เช่น ป้ายบอกทางใหม่ โดยเพียงแค่เปิดเผยเครือข่ายไปยังอินพุตใหม่ ก็จะรบกวนเครือข่ายมากจนไม่สามารถจดจำสิ่งใดๆ ได้ เพื่อหลีกเลี่ยงปัญหานี้ คุณต้องฝึกเครือข่ายใหม่ทั้งหมดตั้งแต่ต้น (โปรแกรมLifelong Learning หรือ L2M ของ DARPA ทุ่มเทให้กับการแก้ปัญหานี้ )

slot

(นี่คือการเปรียบเทียบที่ฉันชอบที่สุด: สมมติว่าคุณเป็นโค้ชทีมบาสเก็ตบอล และคุณยกตาข่ายขึ้น 30 เซนติเมตรโดยที่ไม่มีใครมองอยู่ ตอนแรกผู้เล่นอาจจะพลาดไปหลายคน แต่พวกเขาจะคิดออกอย่างรวดเร็ว ถ้าผู้เล่นเหล่านั้นเป็นเหมือนวันนี้ โครงข่ายประสาทเทียม คุณจะต้องดึงมันออกจากสนามและสอนพวกเขาทั้งเกมอีกครั้ง—เลี้ยงบอล, ส่งบอล, ทุกอย่าง)

Posted in Slot | Tagged , , , , , , | Comments Off on การแสดงจุดควอนตัมกราฟีนขั้นสูงสามารถนำไปสู่โซลิดสเตต Qubits ได้หรือไม่?

ระบบฟอสฟอรัสในซิลิกอนอาจนำไปสู่คอมพิวเตอร์ควอนตัม

ระบบฟอสฟอรัสในซิลิกอนอาจนำไปสู่คอมพิวเตอร์ควอนตัม

jumbo jili

ในความวุ่นวายของรายงานการวิจัยช่วงที่ผ่านมาหกเดือนฟิสิกส์ได้รับการพิสูจน์ซิลิกอนที่พื้นฐานของคอมพิวเตอร์ในวันนี้ยังอาจเป็นแพลตฟอร์มที่ดีที่สุดสำหรับวันพรุ่งนี้ของคอมพิวเตอร์ควอนตัม
คอมพิวเตอร์ดังกล่าวจะใช้คุณสมบัติควอนตัมของอะตอมหรือโมเลกุลในการคำนวณในเวลาเพียงเศษเสี้ยวของเวลาที่ต้องใช้คอมพิวเตอร์ทั่วไป อย่างไรก็ตาม จนถึงขณะนี้ มีเพียงคอมพิวเตอร์ควอนตัมพื้นฐานเท่านั้นที่ถูกสร้างขึ้น ซึ่งประกอบด้วยควอนตัมบิต (qubits) เพียงไม่กี่ตัว และสร้างขึ้นในระบบที่แปลกใหม่ เช่นกับดักไอออนตัวนำยิ่งยวดที่ระบายความร้อนด้วยความเย็น และแหนบแบบออปติคัล

สล็อต

นักวิทยาศาสตร์บางคนกล่าวว่าซิลิคอนสามารถให้เส้นทางที่เป็นประโยชน์ต่อระบบที่มี 100 คิวบิตขึ้นไป เพราะมันจะทำให้คอมพิวเตอร์ควอนตัมสามารถทำงานร่วมกับคอมพิวเตอร์ทั่วไปได้อย่างง่ายดาย สารละลายซิลิกอนเกิดขึ้นในปี 2541 เมื่อบรูซ เคน นักฟิสิกส์จากมหาวิทยาลัยแมริแลนด์ในคอลเลจพาร์ค แนะนำให้สร้างควิบิตจากการหมุนของนิวเคลียร์ ซึ่งเป็นคุณสมบัติควอนตัมที่คล้ายกับโมเมนต์แม่เหล็กของอะตอมฟอสฟอรัสซึ่งมักจะเจือซิลิโคน .
ในช่วงไม่กี่เดือนที่ผ่านมา นักวิจัยได้รายงานความคืบหน้าในการใช้ระบบฟอสฟอรัสในซิลิกอน ในการพัฒนาล่าสุด ทีมนักฟิสิกส์ที่นำโดย John Morton จาก University of Oxford รายงานว่าด้วยการใช้คลื่นวิทยุระเบิด พวกเขาสามารถเข้าไปพัวพันกับการหมุนของอิเล็กตรอนและนิวเคลียสจำนวน 10 พันล้านคู่ในผลึกของซิลิคอนเจือฟอสฟอรัส . การพัวพันเป็นปรากฏการณ์ที่ช่วยให้อนุภาคควอนตัมสามารถเชื่อมโยงกันได้แม้ว่าจะแยกออกจากกัน มันถูกใช้ในการคำนวณควอนตัมพร้อมกับปรากฏการณ์ควอนตัมอื่นที่เรียกว่าการทับซ้อนเพื่อสร้าง qubits ที่สามารถอยู่ในสถานะต่าง ๆ มากมายในเวลาเดียวกัน การทดลองนี้ได้รับการยกย่องในชุมชนคอมพิวเตอร์ควอนตัมว่าเป็นขั้นตอนที่มีแนวโน้มไปสู่คอมพิวเตอร์ควอนตัมที่ใช้ซิลิกอน
จากคำกล่าวของ Morton ข้อได้เปรียบหลักของการออกแบบกลุ่มของเขาคือการที่มันรวมเข้ากับวงจรซิลิกอนธรรมดาได้อย่างง่ายดาย และสร้าง qubits ที่คงอยู่ไม่กี่วินาที ในระบบควอนตัมอื่นๆ จำนวนมาก คิวบิตมีอายุการใช้งานเพียงมิลลิวินาทีหรือไมโครวินาที ซึ่งทำให้การคำนวณทำได้ยาก
Dane McCamey จาก University of Sydney ซึ่งทำการวิจัยเกี่ยวกับระบบที่คล้ายคลึงกันกล่าวว่าสิ่งที่สำคัญเกี่ยวกับงานของ Morton คือ “การสร้างคู่ที่พัวพันเหมือนกันจำนวนมาก” McCamey และผู้เชี่ยวชาญคนอื่น ๆ เช่น Stephen Lyon จาก Princeton กล่าวว่าคู่เหล่านี้สามารถปูทางไปสู่รูปแบบของการคำนวณควอนตัมที่สร้างสิ่งกีดขวางขนาดใหญ่และจากนั้นชุดของการวัดที่แม่นยำในแต่ละ qubits จะนำไปสู่การประมวลผลแบบขนานอย่างหนาแน่น
แม้ว่าการทดลองของอ็อกซ์ฟอร์ดจะสร้างคู่พันกัน 10 พันล้านชุด แต่จำนวนที่ใช้งานได้ในฐานะ qubits นั้นมีขนาดเล็ก และไม่น่าจะเปลี่ยนแปลงในไม่ช้า
Raymond Laflamme กรรมการบริหารของ Institute for Quantum Computing แห่ง University of Waterloo ในออนแทรีโอ ประเทศแคนาดา เตือนว่า “บางคนกำลังก้าวกระโดดว่าเราจะมีคอมพิวเตอร์ซิลิคอนควอนตัมในเร็วๆ นี้ เรามาถูกทางแล้ว แต่มาถูกทางแล้ว เป็นเรื่องยาว”
ความพยายามของอุตสาหกรรมแมชชีนเลิร์นนิงในการวัดตัวเองโดยใช้ปทัฏฐานมาตรฐานได้มาถึงขั้นแล้ว ให้อภัยคำอุปมาแบบผสม แต่นั่นคือสิ่งที่เกิดขึ้นกับการเปิดตัวMLPerf Inference v1.0ในวันนี้ ด้วยการใช้ชุดโครงข่ายประสาทเทียมที่วัดภายใต้ชุดเงื่อนไขที่เป็นมาตรฐาน ระบบ AI 1,994 ระบบได้ต่อสู้เพื่อแสดงให้เห็นว่าโครงข่ายประสาทเทียมสามารถประมวลผลข้อมูลใหม่ได้เร็วเพียงใด แยกจากกัน MLPerf ทดสอบเกณฑ์มาตรฐานประสิทธิภาพการใช้พลังงาน โดยมีผู้เข้าร่วม 850 รายสำหรับสิ่งนั้น
การประกวดครั้งนี้เป็นครั้งแรกหลังจากชุดของการทดลองใช้โดยกลุ่ม AI MLPerf และองค์กรแม่ MLCommonsใช้เกณฑ์การวัดผลที่ดีที่สุด แต่ผู้ชนะที่ยิ่งใหญ่ในรุ่นอย่างเป็นทางการเป็นครั้งแรกเช่นเดียวกับที่เคยเป็นมาในกลุ่มคนที่อบอุ่นขึ้น rounds- Nvidia
รายการเป็นการผสมผสานระหว่างซอฟต์แวร์และระบบที่มีขนาดตั้งแต่ Raspberry Pis ไปจนถึงซูเปอร์คอมพิวเตอร์ ขับเคลื่อนโดยโปรเซสเซอร์และชิปเร่งความเร็วจาก AMD, Arm, Centaur Technology, Edgecortix, Intel, Nvidia, Qualcomm และ Xilininx และผลงานมาจาก 17 องค์กร ได้แก่ Alibaba, Centaur, Dell Fujitsu, Gigabyte, HPE, Inspur, Krai, Lenovo, Moblint, Neuchips และ Supermicro
แม้จะมีความหลากหลายนั้น ระบบส่วนใหญ่ใช้ GPU ของ Nvidia เพื่อเร่งการทำงานของ AI มีบางเร่ง AI อื่น ๆ ที่นำเสนอสะดุดตาเป็นAI 100 วอลคอมม์และEdgecortix ของดีเอ็นเอ แต่ Edgecortix เป็นเพียงหนึ่งในหลาย , หลาย AI ที่เพิ่งเริ่มต้นเร่งที่จะกระโดดใน. และ Intel เลือกที่จะแสดงวิธีการที่ดีของซีพียูได้แทนการเสนอถึงอะไรบางอย่างจากสหรัฐ $ 2 พันล้านซื้อกิจการของเอไอฮาร์ดแวร์เริ่มต้นบานา

สล็อตออนไลน์

ก่อนที่เราจะลงรายละเอียดว่าใครเร็วแค่ไหนคุณจะต้องมีความรู้พื้นฐานเกี่ยวกับวิธีการทำงานของเกณฑ์มาตรฐานเหล่านี้ก่อน [คลิกที่นี่หากคุณต้องการข้ามพื้นหลัง] MLPerf ไม่เหมือนรายการTop500 ที่มีชื่อเสียงและตรงไปตรงมาของซูเปอร์คอมพิวเตอร์ที่ยอดเยี่ยมและดี โดยที่ค่าเดียวสามารถบอกคุณได้มากที่สุดถึงสิ่งที่คุณต้องรู้ สมาคมตัดสินใจว่าความต้องการของการเรียนรู้เครื่องเป็นเพียงความหลากหลายเกินไปที่จะต้มลงไปบางอย่างเช่นเทอราการดำเนินงานต่อวัตต์เมตริกมักจะอ้างในการวิจัยเร่ง AI
ประการแรก ระบบได้รับการตัดสินจากโครงข่ายประสาทเทียม 6 โครง ผู้เข้าแข่งขันไม่จำเป็นต้องแข่งขันทั้งหกอย่างไรก็ตาม
BERTสำหรับการเป็นตัวแทน Encoder แบบสองทิศทางจาก Transformers เป็น AI ประมวลผลภาษาธรรมชาติที่สนับสนุนโดย Google เมื่อป้อนข้อมูลคำถาม BERT จะคาดการณ์คำตอบที่เหมาะสม
DLRMสำหรับ Deep Learning Recommendation Model เป็นระบบแนะนำที่ได้รับการฝึกฝนเพื่อเพิ่มประสิทธิภาพอัตราการคลิกผ่าน ใช้เพื่อแนะนำสินค้าสำหรับการช็อปปิ้งออนไลน์และจัดอันดับผลการค้นหาและเนื้อหาโซเชียลมีเดีย Facebook เป็นผู้สนับสนุนหลักของรหัส DLRM
3D U-Netใช้ในระบบภาพทางการแพทย์เพื่อบอกว่า 3D voxel ใดในการสแกนด้วย MRI เป็นส่วนหนึ่งของเนื้องอกและเป็นเนื้อเยื่อที่แข็งแรง ได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลเนื้องอกในสมอง
RNN-Tสำหรับ Recurrent Neural Network Transducer เป็นโมเดลการรู้จำเสียงพูด เมื่อกำหนดลำดับของอินพุตเสียงพูด ระบบจะคาดการณ์ข้อความที่เกี่ยวข้อง
ResNetเป็นปู่ของอัลกอริธึมการจำแนกรูปภาพ รอบนี้ใช้ ResNet-50 เวอร์ชัน 1.5
SSDสำหรับ Single Shot Detector จะตรวจจับวัตถุหลายชิ้นภายในภาพ เป็นประเภทของรถที่ขับเองได้เพื่อค้นหาสิ่งสำคัญเช่นรถคันอื่น ทำได้โดยใช้ MobileNet เวอร์ชัน 1 หรือ ResNet-34 ขึ้นอยู่กับขนาดของระบบ
คู่แข่งถูกแบ่งออกเป็นระบบที่ออกแบบมาเพื่อทำงานในศูนย์ข้อมูลและระบบที่ออกแบบมาเพื่อใช้งานที่ ” ขอบ ” ในร้านค้า ฝังอยู่ในกล้องรักษาความปลอดภัย ฯลฯ
ผู้เข้าร่วมดาต้าเซ็นเตอร์ได้รับการทดสอบภายใต้สองเงื่อนไข อย่างแรกคือสถานการณ์ที่เรียกว่า ” ออฟไลน์ ” ซึ่งข้อมูลทั้งหมดมีอยู่ในฐานข้อมูลเดียว ดังนั้นระบบจึงสามารถจัดการข้อมูลได้อย่างรวดเร็วที่สุดเท่าที่จะทำได้ ครั้งที่สอง จำลองชีวิตจริงของเซิร์ฟเวอร์ศูนย์ข้อมูลอย่างใกล้ชิดยิ่งขึ้นโดยที่ข้อมูลมาถึงแบบต่อเนื่อง และระบบจะต้องสามารถทำงานให้เสร็จได้อย่างรวดเร็วและแม่นยำพอที่จะรองรับการแตกครั้งต่อไป
ผู้เข้าแข่งขันEdgeจัดการกับสถานการณ์ออฟไลน์เช่นกัน แต่พวกเขายังมีการจัดการกับการทดสอบที่พวกเขาจะเลี้ยงกระแสเดียวของข้อมูลกล่าวว่าการสนทนาเดียวสำหรับการประมวลผลภาษาและMultistreamสถานการณ์เหมือนรถตัวเองขับรถอาจจะมีการจัดการกับจากกล้องหลาย ๆ
การขาดผู้เข้าร่วมอย่างต่อเนื่องจากการเริ่มต้นฮาร์ดแวร์ AI นั้นชัดเจน ณ จุดนี้ โดยเฉพาะอย่างยิ่งเมื่อพิจารณาว่าหลายคนเป็นสมาชิกของ MLCommons เมื่อฉันถามบริษัทสตาร์ทอัพบางบริษัทเกี่ยวกับเรื่องนี้พวกเขามักจะตอบว่ามาตรการที่ดีที่สุดสำหรับฮาร์ดแวร์ของพวกเขาคือวิธีการทำงานของเครือข่ายประสาทเฉพาะของผู้มีโอกาสเป็นลูกค้า มากกว่าที่พวกเขาทำได้ดีเพียงใดในการวัดประสิทธิภาพ
ดูเหมือนว่าจะยุติธรรมแน่นอน สมมติว่าสตาร์ทอัพเหล่านี้สามารถดึงดูดความสนใจของผู้มีโอกาสเป็นลูกค้าได้ตั้งแต่แรก นอกจากนี้ยังถือว่าลูกค้ารู้ว่าพวกเขาต้องการอะไรจริงๆ
“หากคุณไม่เคยทำ AI มาก่อน คุณจะไม่รู้ว่าจะคาดหวังอะไร คุณไม่รู้ว่าคุณต้องการแสดงอะไร คุณไม่รู้ว่าคุณต้องการการผสมผสานอะไรกับ CPU, GPU และตัวเร่งความเร็ว” Armando Acostaผู้จัดการผลิตภัณฑ์สำหรับ AI การประมวลผลประสิทธิภาพสูง และการวิเคราะห์ข้อมูลที่Dell Technologiesกล่าว MLPerf เขากล่าวว่า “ให้พื้นฐานที่ดีแก่ลูกค้า”

jumboslot

ชุดทดสอบมาตรฐานแปดชุดที่ได้รับการยอมรับมากที่สุดสำหรับระบบ AI ได้เปิดตัวการจัดอันดับใหม่ล่าสุดเมื่อวันพุธ และผู้ผลิต GPU Nvidia กวาดหมวดหมู่ทั้งหมดสำหรับระบบที่มีจำหน่ายในท้องตลาดด้วยคอมพิวเตอร์ที่ใช้A100 GPUใหม่โดยทำลายสถิติ 16 รายการ อย่างไรก็ตามมันเป็นผู้เข้าร่วมเพียงคนเดียวในบางคน
การจัดอันดับนี้จัดทำโดยMLPerfซึ่งเป็น กลุ่มที่มีสมาชิกจากทั้ง AI powerhouses เช่น Facebook, Tencent และ Google และสตาร์ทอัพอย่าง Cerebras, Mythic และ Sambanova การทดสอบของ MLPerf วัดเวลาที่คอมพิวเตอร์ใช้ในการฝึกอบรมเครือข่ายประสาทเทียมชุดใดชุดหนึ่งเพื่อให้มีความถูกต้องตามที่ตกลงกันไว้ นับตั้งแต่ผลการแข่งขันรอบที่แล้วซึ่งเปิดตัวในเดือนกรกฎาคม 2019 ระบบที่เร็วที่สุดมีการปรับปรุงโดยเฉลี่ย 2.7 เท่า ตามข้อมูลของ MLPerf
“MLPerf ถูกสร้างขึ้นเพื่อช่วยให้อุตสาหกรรมแยกข้อเท็จจริงจากนิยายใน AI” Paresh Kharya ผู้อำนวยการอาวุโสฝ่ายการจัดการผลิตภัณฑ์สำหรับการประมวลผลศูนย์ข้อมูลของ Nvidia กล่าว อย่างไรก็ตาม สมาชิกสมาคมส่วนใหญ่ยังไม่ได้ส่งผลการฝึกอบรม อาลีบาบา, เดลล์, ฟูจิตสึ, Google และ Tencent เป็นรายเดียวที่แข่งขันกันในหมวดหมู่เชิงพาณิชย์หรือระบบคลาวด์ Intel มีรายการหลายรายการสำหรับระบบที่จะออกสู่ตลาดภายในหกเดือนข้างหน้า
ในการนี้ ผลการฝึกอบรม MLPerf รอบที่สาม สมาคมได้เพิ่มเกณฑ์มาตรฐานใหม่สองรายการ และแก้ไขส่วนที่สามอย่างมาก รวมเป็นการทดสอบแปดรายการ เกณฑ์มาตรฐานใหม่ทั้งสองเรียกว่า BERT และ DLRM
BERT สำหรับ Bi-directional Encoder Representation จาก Transformers ถูกใช้อย่างกว้างขวางในงานประมวลผลภาษาธรรมชาติ เช่น การแปล การค้นหา ความเข้าใจและการสร้างข้อความ และการตอบคำถาม ได้รับการฝึกอบรมโดยใช้วิกิพีเดีย ที่ 0.81 นาที Nvidia มีเวลาการฝึกอบรมที่เร็วที่สุดในบรรดาระบบที่มีจำหน่ายทั่วไปสำหรับการวัดประสิทธิภาพนี้ แต่ระบบภายในหรือ R&D Google ของ Google ผ่านการฝึกอบรม 0.39 นาที
DLRM สำหรับ Deep Learning Recommendation Model เป็นตัวแทนของระบบผู้แนะนำที่ใช้ในการช็อปปิ้งออนไลน์ ผลการค้นหา และการจัดอันดับเนื้อหาโซเชียลมีเดีย ได้รับการฝึกอบรมโดยใช้ชุดบันทึกการคลิกขนาดเทราไบต์ที่จัดทำโดย Criteo AI Lab ชุดข้อมูลนั้นประกอบด้วยบันทึกการคลิกของผู้ใช้สี่พันล้านรายการและการโต้ตอบกับรายการในช่วง 24 วัน แม้ว่า Nvidia จะยืนอยู่คนเดียวท่ามกลางผู้เข้าแข่งขัน DLRM ที่มีขายทั่วไปโดยใช้เวลาฝึกอบรม 3.3 นาที แต่ระบบภายในของ Google ชนะหมวดหมู่นี้ด้วยความพยายาม 1.2 นาที

slot

นอกจากการเพิ่ม DLRM และ BERT แล้ว MLPerf ยังเพิ่มระดับความยากสำหรับเกณฑ์มาตรฐาน Mini-Go Mini-Go ใช้รูปแบบ AI ที่เรียกว่าการเรียนรู้การเสริมแรงเพื่อเรียนรู้การเล่นบนกระดานขนาดเต็ม 19 x 19 รุ่นก่อนหน้าใช้บอร์ดขนาดเล็ก “มันเป็นเกณฑ์มาตรฐานที่ยากที่สุด” Kharya กล่าว Mini-Go ต้องเล่นเกม Goพร้อมกันประมวลผลข้อมูลจากเกม และฝึกอบรมเครือข่ายเกี่ยวกับข้อมูลนั้น “การเรียนรู้การเสริมกำลังเป็นเรื่องยากเพราะไม่ได้ใช้ชุดข้อมูลที่มีอยู่” เขากล่าว “คุณกำลังสร้างชุดข้อมูลโดยพื้นฐานตามที่คุณดำเนินการ”

Posted in Slot | Tagged , , , , , , | Comments Off on ระบบฟอสฟอรัสในซิลิกอนอาจนำไปสู่คอมพิวเตอร์ควอนตัม