สัปดาห์ที่ผ่านมา Intel และ IBM ได้เผยแพร่งานวิจัยที่รวมเอาเทคโนโลยีการคำนวณเชิงควอนตัม (Quantum Computing) และปัญญาประดิษฐ์ (Artificial Intelligence) เข้าด้วยกัน
ทาง IBM ได้ตีพิมพ์บทความทางวิชาการลงบนวารสารชื่อดังอย่าง Nature ในชื่อ “Supervised learning with quantum enhanced feature spaces” ซึ่งเป็นการพัฒนาและทดสอบอัลกอริทึมเชิงควอนตัม (Quantum Algorithm) สำหรับการเรียนรู้ของเครื่อง (Machine Learning) บนควอนตัมคอมพิวเตอร์ในอนาคตอันใกล้ โดยกลุ่มนักวิจัยที่ตีพิมพ์วารสารนี้ได้ใช้หลักการ Feature Mapping ซึ่งเป็นองค์ประกอบสำคัญของ Machine Learning ในการจำแนกข้อมูลที่มีโครงสร้างซับซ้อนสูง ด้วยการใช้วงจร Short-Depth ที่เป็นที่นิยมของควอนตัมคอมพิวเตอร์แบบ Noisy Intermediate Scale Quantum (NISQ) อย่างไรก็ตามงานวิจัยชิ้นนี้ยังไม่ได้แสดงผลประโยชน์ทางควอนตัม เนื่องจากข้อจำกัดทางด้านฮาร์ดแวร์ของควอนตัมคอมพิวเตอร์ในปัจจุบัน โดยในงานวิจัยนี้ใช้เพียง 2 คิวบิทที่สามารถจำลองได้ในคอมพิวเตอร์แบบคลาสสิกทั่วไป แต่การใช้ Feature Mapping ที่ทางกลุ่มนักวิจัยกลุ่มนี้กำลังศึกษาอยู่นั้นอาจจะพัฒนาไปจนสามารถใช้จำแนกข้อมูลที่ซับซ้อนเกินกว่าที่คอมพิวเตอร์แบบคลาสสิกจะจัดการได้ในอนาคต
สำหรับงานวิจัยของทาง Intel นั้น จะมีความพิเศษกว่าเล็กน้อย โดยแทนที่จะใช้ Quantum Computing ในการพัฒนา AI นักวิจัยกลุ่มนี้ได้ใช้ AI เพื่อทำความเข้าใจปรากฎการณ์ฟิสิกส์ควอนตัม โดยบทความ “Quantum Entanglement in Deep Learning Architectures” ของพวกเขาที่ตีพิมพ์ลงใน Physical Review Letters ได้อธิบายการใช้ความก้าวหน้าล่าสุดของ Deep Neural Networks ในการจำลองอนุภาคที่เล็กที่สุดให้ละเอียดยิ่งขึ้นเพื่อแสดงคุณสมบัติของควอนตัม
ศึกษาข้อมูลเพิ่มเติมได้ที่
- Havlíček, Vojtěch, et al. “Supervised learning with quantum-enhanced feature spaces.” Nature 567.7747 (2019): 209.
- Levine, Yoav, et al. “Quantum entanglement in deep learning architectures.” Physical review letters 122.6 (2019): 065301.
