AI の量子的飛躍: IonQ は一般的な人間の知能レベルでの量子機械学習モデルの作成を目指しています

May 17, 2023

IonQ Aria の小型「トランプ」トラップと真空チャンバーのパッケージ。

古典的な機械学習 (ML) は、人工知能の強力なサブセットです。 機械学習は、1960 年代の単純なパターン認識から、トレーニングや高精度の予測の生成のための大量のデータセットの高度な使用にまで進歩しました。

一方、2010 年から 2020 年の間に、世界のデータ使用量は 1.2 兆ギガバイトから約 60 兆ギガバイトに増加しました。 ある時点で、量子システムは、追いつくのが難しい古典的なコンピューターと比較して、現在進行中の指数関数的な増加に容易に対処できるようになるでしょう。 理論的には、そう遠くない将来のある時点で、このような巨大な規模と複雑さを処理できるのは量子コンピューターだけになるでしょう。 これと同じ洞察を ML の領域に適用すると、ある時点で、古典的なアプローチではなく量子機械学習 (QML) から本当の進歩がもたらされることは当然です。

イオンQ

アプリケーションとアルゴリズム量子ビット (AQ) の IonQ ロードマップ

他の量子コンピューティング企業も QML を研究していますが、私が IonQ ($IONQ) で行われている高度な QML 研究に焦点を当てた理由はいくつかあります。

1 人目、IonQ の CEO、ピーター チャップマンは、カーツワイル テクノロジーズでレイ カーツワイルと働いていたときに、機械学習の豊富な背景を持っています。 チャップマンは、スキャンした画像からテキスト文字を生成する先駆的な文字認識システムの開発において重要な役割を果たしました。ウルツワイル テクノロジーズは最終的にそのアプローチを使用して、視覚障害者のための包括的なデジタル ライブラリを構築しました。

2 つ目は、チャップマン氏は QML の将来について楽観的であるということです。 彼は、QML が最終的には OpenAI の ChatGPT やその他の生成 AI システムで使用される大規模な言語モデルと同じくらい重要になるだろうと信じています。 そのため、QML は IonQ の長期的な量子製品ロードマップに組み込まれています。

そして 3 つ目は、IonQ は、Amazon、Dell、Microsoft、NVIDIA など、AI および機械学習の分野の大手企業と協力しています。 これらのパートナーシップは、IonQ の量子テクノロジーに関する専門知識とパートナーの AI 知識を組み合わせたものです。

IonQ ハードウェアと #AQ

IonQ の主な焦点は、量子ビットの量だけではなく、より包括的に量子ビットの品質とそれらがシステムとしてどのように動作するかにあります。 この品質 (量子ビット忠実度とも呼ばれます) は、量子計算を効率的に完了するための重要な差別化要因であり、IonQ はアルゴリズム量子ビットまたは #AQ と呼ぶアプリケーション指向のベンチマークで測定します。

#AQ は、現実世界の環境で量子コンピューターの有用性を評価する独立した業界団体である量子経済開発コンソーシアムによって先駆的に開発された研究に基づいています。 #AQ の計算方法は次のとおりです。

IonQ 量子プロセッサ

IonQ は、IonQ Harmony、IonQ Aria、およびその最新モデルである IonQ Forte と呼ばれるソフトウェア定義量子コンピューターの 3 つのトラップ イオン量子コンピューターを開発しました。

オンラインには 2 つの Arias があります。 チャップマン氏によると、顧客の需要の増加に対応し、会社の冗長性、容量、注文処理速度を向上させるために、2 台目の Aria マシンが必要でした。

さらに、IonQ は IonQ Forte の商用化に向けて懸命に取り組んでいます。

IonQ Aria と IonQ Harmony は、Google、Amazon Braket、Microsoft Azure、IonQ Quantum Cloud 経由でクラウドにアクセスできます。 同社によると、IonQ Forteのクラウドアクセスについては後日発表するとのこと。 IonQ が構築したさまざまな量子コンピューターを詳しく見てみましょう。

フォルテは最近、記録的な 29 AQ を示しました。これは、これを 7 か月上回るものです。IonQ の 2023 年の当初の AQ 目標。

注: IonQ の次の主要な技術的マイルストーンは、35 AQ を達成することです。 35 AQ レベルでは、従来のハードウェアを使用して量子アルゴリズムをシミュレートすることは非常に困難でコストがかかる可能性があります。 その時点で、一部の顧客にとっては、古典的にモデルをシミュレートするよりも、実際の量子マシンでモデルを実行する方が簡単でコストもかからないと IonQ は考えています。

ML + QC = QML

量子コンピューティングはまだ中期プロトタイプによって実行されていますが、おそらくこの 10 年以内に、古典的なスーパーコンピューターの能力をはるかに超えた問題を解決できる可能性があります。 一方、量子コンピューティングのプロトタイプは運用上健全なものに近づきつつあり、古典的な ML モデルのスケーリングされたバージョンは、ほぼすべての業界の数十万のアプリケーションですでに使用されています。 これらは、ショッピング サイトでのパーソナライズされた推奨事項から、人間よりも正確に病気を検出するための X 線や MRI スキャンの分析などの重要な医療診断まで多岐にわたります。

QML は、現時点では量子マシンが古典的なコンピュータほど実用的ではないにもかかわらず、困難な ML タスクに量子コンピュータを使用する発展途上の分野です。 ML と量子コンピューティング (QC) を組み合わせて QML を生成すると、間もなく従来の機械学習よりもさらに強力になるテクノロジーが作成されます。

Peter Chapman 氏によると、今日の QML の多くは、古典的な機械学習アルゴリズムを量子アルゴリズムに変換することによって作成されています。 QML には課題がないわけではありません。 現在の量子コンピューターに関連するものと同じ問題が多くあり、最も一般的なのは、プロトタイプのハードウェア制限による環境ノイズとデコヒーレンスによって引き起こされるエラーの影響を受けやすいことです。

「私たちがフィデリティ、GE、ヒュンダイ、その他数社と行った過去の研究を見てください」とチャップマン氏は語った。 「これらのプロジェクトはすべて、量子アルゴリズムに変換する前に、通常の機械学習アルゴリズムで始まりました。」

ただし、IonQ の研究により、QML のパフォーマンスが従来の ML の多くよりも優れていることが示されたと同氏は説明しました。 「私たちの QML バージョンは、同等の従来の ML バージョンを上回っています」と彼は言いました。 「結果によっては、QML モデルがデータ内の信号をよりうまく捕捉したことが示されることもあれば、データを処理するのに必要な反復回数が大幅に少ないことが示されることもあります。そして、私たちの最新の研究が示すように、必要なデータがQML は、従来のモデルが必要とする量の約 8,000 分の 1 でした。」

QML が従来の ML よりも優れたパフォーマンスを発揮する理由

QML は、量子力学の 2 つの原理である重ね合わせともつれを使用して、新しい機械学習アルゴリズムを開発します。 量子重ね合わせでは量子ビットが同時に複数の状態になることができますが、量子もつれでは多くの量子ビットが同じ状態を共有することができます。 これは、ビットが一度に 1 つの状態のみになり、ビット間の接続が物理的手段によってのみ可能になる古典物理学とは対照的です。 関連する量子特性により、開発者は QML アルゴリズムを作成して、古典的なコンピューターでは解決できない問題を解決できます。

QML はまだ開発の初期段階にあることに注意することが重要です。 非常に大規模かつ非常に複雑な機械学習の問題を解決できるほど強力ではありません。 それでも、QML には、モデルをより高速にトレーニングし、より高い精度を提供し、より新しい、より強力なアルゴリズムへの扉を開くことで、古典的な機械学習に革命を起こす可能性があります。

量子人工知能

量子 AI は QML よりもさらに新しいです。 約 1 年前、IonQ は量子 AI の検討を開始しました。 その最初の研究活動により、人間の認知のモデリングに関する論文が作成され、査読付き科学雑誌 Entropy に掲載されました。 この論文は、人間の意思決定が量子コンピューターでテストできることを示しています。 1960 年代以来、研究者らは、人々が意思決定を行う際に必ずしも古典的な確率のルールに従っているわけではないことを発見しました。 たとえば、人々が質問される順序は、回答に影響を与える可能性があります。 量子確率は、その奇妙さを明らかにするのに役立ちます。

この研究論文は、脳が量子力学を使用して動作しているとは明示的に述べていません。 代わりに、同じ数学的構造を両方の分野に適用するため、量子コンピューターを使用して人間の認知をシミュレートするという興味がさらに高まります。

「私たちは、量子が機械学習だけでなく汎用人工知能 (AGI) にも力を加える可能性に興奮しています」とチャップマン氏は語った。 「AGI は、AI が人間が可能なあらゆるタスクを達成できるほど強力になるポイントです。古典的なコンピューターではモデル化することがほぼ不可能でも、量子コンピューターでは可能になるものもあります。そして、AGI はおそらくこれらのことを実現するものになると思います」種類の問題集が行われます。」

まとめ

量子機械学習はまだ新興分野です。 これは、量子情報処理、機械学習、最適化の技術が統合され、従来の機械学習よりも迅速かつ正確に問題を解決する交差点です。

古典的な機械学習アルゴリズムを使用して、量子機械学習に変換することが可能です。 IonQ はこれを何度か成功させました。 これらの QML モデルは、多くの場合、元の ML モデルよりも優れたパフォーマンスを発揮します。

QML は、重ね合わせともつれの形での量子力学のおかげで、従来の機械学習に比べていくつかの利点を提供します。 QML は、画像認識から NLP に至るまで、多くの分類タスクに ML モデルを使用するという拡大傾向を補完できます。

アナリストのメモ:

ここでは、私が興味深いと感じた IonQ QML 関連の研究論文をいくつか紹介します。

2023年1月 — 量子自然言語処理 (QNLP) は、自然言語 (つまり、人間が話す言語) を処理して理解できるアルゴリズムの開発に焦点を当てた機械学習のサブ分野です。 IonQ の研究者は、量子 NLP システムの開発で以前に使用されたより簡単な人工言語の例よりも予測がはるかに難しいにもかかわらず、実際のデータセットを使用すると統計的に意味のある結果が得られることを実証しました。 量子 NLP への他のアプローチが、非公式言語、流暢さ、真実性などの現代の問題に関して部分的に比較されます。

2023年1月 — IonQ による研究は、QNLP によるテキスト分類に焦点を当てていました。 この研究では、振幅エンコードされた特徴マップと量子サポート ベクター マシンを組み合わせることで、実際の映画レビュー 50 件のデータセットを使用してセンチメントを平均 62% の精度で予測できることが実証されました。 これは小さいですが、量子 NLP を使用して以前に報告された結果よりもかなり大きいです。

2022年11月 — IonQ、Fidelity Center for Applied Technology (FCAT)、Fidelity Investments によるこの共同研究は、同時確率分布関数 (GAN、QGAN、QCBM) の生成量子学習に焦点を当てています。これらの関数はすべて機械学習を使用してデータから学習し、予測を行います。 この研究は、2 つ以上の変数間の関係が複数の粒子の量子状態によって表現できることを示しています。 これは、変数間の複雑な関係をモデル化して理解するために量子コンピューターを使用できることを示すため、重要です。

2021年11月 — IonQ と Zapata Computing は、手書き数字の高解像度画像を生成できるハイブリッド量子古典 QML アルゴリズムの最初の実用的かつ実験的な実装を開発しました。 この結果は、同じデータベースでトレーニングされた同等の従来の敵対的生成ネットワーク (GAN) よりも優れたパフォーマンスを示しました。 GAN は、最も正確な予測を生成するために互いに競合する 2 つのニューラル ネットワークを備えた機械学習モデルです。

2021年9月 — IonQ と FCAT の研究者は、2010 年から 2018 年までの Apple と Microsoft 株の日次リターンの数値的関係を分析するための概念実証 QML モデルを開発しました。日次リターンは、日次終値での株価と終値での株価を比較したものです。前日の閉店時間。 この指標は毎日の株価パフォーマンスを測定します。 このモデルは、確率分布などの古典的な手段では効率的に再現できない相関関係を量子コンピューターを使用して生成できることを実証しました。

2020年12月 — IonQ と QC Ware のパートナーシップにより、古典的なデータが量子状態にロードされ、効率的で堅牢な QML アプリケーションが可能になりました。 機械学習は、従来のコンピューターよりも同じレベルの精度を達成し、より高速に実行されました。 このプロジェクトでは、QC Ware の Forge Data Loader テクノロジーを使用して、古典データを量子状態に変換しました。 IonQ のハードウェア上で実行される量子アルゴリズムは、従来のアルゴリズムと同じレベルで実行され、平均 10 回中 8 回正しい数字を識別しました。

Paul Smith-Goodson は、Moor Insights & Strategy で AI と量子を担当する副社長兼主席アナリストです。 彼は現在、いくつかの個人研究プロジェクトに取り組んでいます。そのうちの 1 つは、HF トランシーバーの全国ネットワークから収集された機械学習と電離層データを使用して、リアルタイムおよび将来の HF 無線信号の世界的な伝播を高精度に予測するというユニークな方法です。

これらのテーマに関する最新情報については、Twitter で彼をフォローしてください。

Moor Insights & Strategy は、すべての調査会社やテクノロジー業界のアナリスト会社と同様に、テクノロジー企業に有料サービスを提供しているか、提供しています。 これらのサービスには、調査、分析、アドバイス、コンサルティング、ベンチマーク、買収のマッチメイキング、ビデオおよび講演のスポンサーシップが含まれます。 同社は、8×8、Accenture、A10 Networks、Advanced Micro Devices、Amazon、Amazon Web Services、Ambient Scientific、Ampere Computing、Anuta Networks、Applied Brain Research、Applied Micro、Apstra、Arm、およびAruba Networks (現 HPE)、Atom Computing、AT&T、Aura、Automation Anywhere、AWS、A-10 Strategies、Bitfusion、Blaize、Box、Broadcom、C3.AI、Calix、Cadence Systems、Campfire、Cisco Systems、Clear Software、Cloudera 、Clumio、Cohesity、Cognitive Systems、CompuCom、Cradlepoint、Cyber​​Ark、Dell、Dell EMC、Dell Technologies、Diablo Technologies、Dialogue Group、デジタル オプティクス、Dreamium Labs、D-Wave、Echelon、Ericsson、Extreme Networks、Five9、Flex、Foundries .io、Foxconn、Frame (現 VMware)、富士通、Gen Z Consortium、Glue Networks、GlobalFoundries、Revolve (現 Google)、Google Cloud、Graphcore、Groq、Hiregenics、Hotwire Global、HP Inc.、Hewlett Packard Enterprise、Honeywell、 Huawei Technologies、HYCU、IBM、Infinidat、Infoblox、Infosys、Inseego、IonQ、IonVR、Inseego、Infosys、Infiot、Intel、Interdigital、Jabil Circuit、Juniper Networks、Keysight、コニカミノルタ、Lattice Semiconductor、Lenovo、Linux Foundation、Lightbits Labs 、LogicMonitor、LoRa Alliance、Luminar、MapBox、Marvell Technology、Mavenir、Marseille Inc、Mayfair Equity、Meraki (Cisco)、Merck KGaA、Mesophere、Micron Technology、Microsoft、MiTEL、Mojo Networks、MongoDB、Multefire Alliance、National Instruments、Neat 、NetApp、Nightwatch、NOKIA、Nortek、Novumind、NVIDIA、Nutanix、Nuvia (現 Qualcomm)、NXP、onsemi、ONUG、OpenStack Foundation、Oracle、パロアルトネットワークス、Panasas、Peraso、Pexip、Pixelworks、Plume Design、PlusAI、Poly (旧 Plantronics)、Portworx、Pure Storage、Qualcomm、Quantinuum、Rackspace、Rambus、Rayvolt E-Bikes、Red Hat、Renesas、Residio、Samsung Electronics、Samsung Semi、SAP、SAS、Scale Computing、Schneider Electric、SiFive、Silver Peak (現 Aruba-HPE)、SkyWorks、SONY Optical Storage、Splunk、Springpath (現 Cisco)、Spirent、Splunk、Sprint (現 T-Mobile)、Stratus Technologies、Symantec、Synaptics、Syniverse、Synopsys、Tanium、Telesign、TE Con​​nectivity 、TensTorrent、Tobii Technology、Teradata、T-Mobile、Treasure Data、Twitter、Unity Technologies、UiPath、Verizon Communications、VAST Data、Ventana Micro Systems、Vidyo、VMware、Wave Computing、Wellsmith、Xilinx、Zayo、Zebra、Zededa、Zendesk 、Zoho、Zoom、Zscaler。 Moor Insights & Strategy の創設者、CEO、チーフ アナリストである Patrick Moorhead は、dMY Technology Group Inc. VI、Fivestone Partners、Flore Systems、Groq、MemryX、Movandi、および Ventana Micro.、MemryX、Movandi、および Ventana Micro の投資家です。