您的位置: 首页 >公司 >

QC产品在量子机器学习算法方面取得突破

2020-11-19 14:01:00 来源: 编辑:

量子计算企业软件和服务的领导者QC Ware宣布了量子机器学习(QML)的重大突破,该突破可提高QML的准确性并加快行业发展近期量子计算机上实际QML应用的时间表。

QC Ware的算法研究人员发现了如何将经典数据有效地加载到量子硬件上,以及如何从量子角度进行距离估计。现在,最新版本的QC Ware的Forge ™ 云服务平台提供了Data Loaders支持的这些新功能,该平台是在量子硬件和模拟器上构建,编辑和实现量子算法的集成环境。

QC Ware产品和业务开发主管Yianni Gamvros说:“ QC Ware估计,使用Forge数据加载器,该行业在10到15年间QML实际应用的时间表将大大减少。” “我们的算法团队在量子计算行业中取得的成就相当于量子硬件制造商推出了比以前产品快10至100倍的芯片。这一令人振奋的发展将需要业务分析师将其四线图和创新侦察兵更新为调整技术时间表。”

除了Forge数据加载器之外,Forge的最新版本还包括用于GPU加速的工具,该工具可以在几秒钟内相对于几小时内完成算法测试,并在选择的模拟器和量子硬件上实现交钥匙算法实现。仿真是在AWS的CPU和Nvidia GPU上执行的。量子硬件集成包括D-Wave系统以及通过Amazon Braket进行的IonQ和Rigetti架构。

QC Ware Quantum Algorithms International负责人Iordanis Kerenidis说:“要在近期的量子计算机上提高性能,重要的是要不断突破当前硬件和当前算法的极限。” “我们一直在努力通过创新算法来使量子位更少,电路更浅,功能更多。”

Forge数据加载器的行业影响Forge提供两种类型的数据加载器:Forge并行数据加载器和Forge优化数据加载器,它们可以将经典数据最佳地转换为易于在机器学习应用程序中使用的量子态。此外,QC Ware推出了优化的距离估算算法,该算法可用于强大的量子分类和聚类应用。

这些功能被认为是QML算法的主要挑战。来自学术界,政府和行业的大多数研究论文都假定使用量子随机存取存储器(QRAM)(与传统RAM等效的量子)可将数据加载到量子计算机上。但是,很少有研究人员和供应商从事QRAM的研究,围绕QRAM提出的一些建议在量子比特数和电路深度方面都具有非常重要的硬件要求。Forge数据加载器为QRAM提供了强大且近期的替代方案。

下表说明了加载每个具有一千个要素的数据点所需的条件。与Forge数据加载器相比,传统方法不切实际,因为它们需要尚不存在的硬件技术(QRAM硬件)或数量不多的qubit和/或深度电路(Multiplexer和QRAM启发式电路)。Forge优化数据加载器可以仅以100量子位和100的电路深度加载此类数据点。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

精彩推荐

图文推荐

点击排行

Copyright 泉州广播网 All Rights Reserved 版权所有 复制必究 联系QQ:173 054 7905   网站地图 | 百度地图

所刊载内容之知识产权为界限网络及/或相关权利人专属所有或持有。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。