Efecto de la supremacía cuántica de Google en la ciencia de datos

Requisito previo: conocer la supremacía cuántica de Google

En este artículo, discutiremos cuáles son los beneficios del reclamo de Google Quantum Supremacy y cuáles son los problemas que se pueden resolver con esto. Mientras tanto, también discutiremos nuestro papel como científico de datos en Quantum Computing y dónde encajan en este completo enigma. . Entonces, comencemos con el artículo. La primera pregunta a la que necesitamos una respuesta es:

¿Por qué es tan significativo?

1. Simulación de procesos químicos: está creando materiales maravillosos. Tome una simple molécula de cafeína. Tiene aproximadamente 248 estados. Sabemos que ni siquiera podemos entender la estructura básica de las moléculas hoy en día con la computación clásica. Podemos usar una computadora cuántica para simular un sistema cuántico. Esto no solo nos ayudará a comprender sino a simular e incluso manipular el proceso para obtener un nuevo material que sea, digamos, ligero e indestructible al mismo tiempo o la selección de moléculas para la creación de baterías orgánicas o que podamos crear medicamentos que podrían curar el cáncer o lo que nuestra imaginación nos permita crear.

2. Fabricación de semiconductores a temperatura ambiente: las computadoras cuánticas dependen de superconductores para funcionar, que deben mantenerse a temperaturas extremadamente bajas (15 miliKelvin), pero si una computadora cuántica puede desarrollar superconductores a temperatura ambiente, todos sabemos lo que eso significa. Bueno, eso significa que podrías regalarle a tu hijo una computadora cuántica en su cumpleaños.

3. Resolviendo algunos problemas intratables: Piense en las redes neuronales y el creciente espacio de caracterización utilizando la computación cuántica para el modelado financiero y la optimización de rutas y logística, como el problema TSP que se considera insuperable.

Graves problemas

Estos Qubits son propensos a errores. Los errores causados ​​por el deterioro de los qubits y la pérdida de información almacenada en ellos, y para hacer que lo que se conoce como qubit lógico sea más coherente, se requieren cientos y miles de qubits físicos cuyos errores se anulan entre sí. Y una computadora cuántica capaz de descifrar el cifrado requeriría miles de qubits lógicos. La última vez que revisé, teníamos cerca de 72 qubits físicos disponibles y esa computadora era bastante inestable.
Otro problema es la condición de aislar el sistema en el que estos qubits necesitan superconductores para funcionar y los superconductores deben mantenerse a 15 milikelvin para funcionar como superconductores y, por lo tanto, la computadora cuántica gigante que ves normalmente es principalmente para mantener esta temperatura y para enviar algunos pulsos de microondas se configuran, lo cual es una tarea muy difícil.

¿Dónde entra en juego Machine Learning, AI?

Los dispositivos cuánticos se pueden utilizar para acelerar el aprendizaje automático. La tecnología cuántica actual se asemeja al hardware de propósito especial como ASCI en lugar de la CPU de propósito general. Están programados para implementar una clase limitada de algoritmos cuánticos. Se pueden programar dispositivos más avanzados para ejecutar circuitos cuánticos simples como los FGPA. Sabemos que tanto ASCI como FPGA ofrecen beneficios en el aprendizaje automático, así como en GPU, CPU y TPU. Por lo tanto, en teoría, se podría agregar un cuanto a esta combinación de hardware de inteligencia artificial especializado para ayudarnos a avanzar contra los AGI mediante la creación de una herramienta completamente nueva de aprendizaje automático. Al igual que las GPU contribuyeron al renacimiento del aprendizaje profundo hace una década.

Algunas tareas que el aprendizaje automático puede aprovechar de este increíble sistema:

• Álgebra lineal: uno de los cuellos de botella para resolver ecuaciones algebraicas lineales es la codificación de datos. Para usar una computadora cuántica como una especie de solucionador de álgebra lineal súper rápido para multiplicaciones de arrays grandes y descomposiciones propias (no muy diferentes a las TPU), primero tenemos que «cargar» la array grande en el dispositivo cuántico, un procedimiento muy no trivial, aunque puerta cuántica ejecuta una multiplicación de exponencialmente, o incluso infinitamente. Los cálculos complejos de álgebra lineal, es decir, los correspondientes a puertas cuánticas, se pueden realizar en una sola operación en una computadora cuántica. Tratando así una puerta cuántica como una capa lineal altamente estructurada de red neuronal.
• Se ha propuesto la optimización de una técnica híbrida cuántica-clásica de circuitos variacionales. Allí, se usa un dispositivo cuántico para evaluar una función de costo difícil de calcular, mientras que un dispositivo clásico realiza una optimización basada en esta información.
• El muestreo: cada computadora cuántica es fundamentalmente un muestreador que comienza con una distribución de probabilidad simple sobre todos los resultados de medición posibles, calcula una distribución más complicada y muestra un resultado a través de una medición. Por lo tanto, los dispositivos cuánticos son asistentes interesantes para la formación basada en muestras, por ejemplo, con máquinas Boltzmann. En resumen, una vía muy prometedora es, por lo tanto, explorar cómo se pueden usar muestras de dispositivos cuánticos para entrenar modelos de aprendizaje automático.
• Evaluación del núcleo: la idea de los «núcleos cuánticos» es utilizar el dispositivo cuántico solo para calcular núcleos de puntos de datos, estimando el producto interno de dos estados cuánticos de muy alta dimensión. Luego, las estimaciones del núcleo se pueden incorporar a un modelo clásico de aprendizaje automático para entrenamiento y predicción. En otras palabras, las estimaciones de la computadora cuántica se pueden introducir en un método de núcleo estándar, como una máquina de vectores de soporte. La inferencia y el entrenamiento se realizan de forma puramente clásica, pero se aumentan con el dispositivo cuántico de propósito especial. Los dispositivos cuánticos se pueden usar para estimar ciertos núcleos, incluidos los que son difíciles de calcular de forma clásica. Se puede utilizar para decidir el núcleo, el muestreo y con fines de optimización.

Esto es lo que Sundar Pichai tiene que decir sobre la IA y la computación cuántica trabajando juntas en una entrevista exclusiva con MIT Technology Review: “Creo que será una cosa simbiótica muy poderosa. Ambos campos están en las primeras fases. Hay un trabajo emocionante en IA en términos de construir modelos más grandes, modelos más generalizables y qué tipo de recursos informáticos necesita para llegar allí. Creemos que la IA puede acelerar la computación cuántica y la computación cuántica puede acelerar la IA. Y colectivamente, creemos que es lo que necesitaríamos para, en el futuro, resolver algunos de los problemas más difíciles que enfrentamos, como el cambio climático”.

Nociones:

• La gente dice que la string de bloques será destruida y la seguridad será un mito. Bueno, eso no es completamente cierto. Admito que algunos de los algoritmos que se usan ampliamente se pueden descifrar, pero hay otros algoritmos (algoritmo cuántico) que se pueden usar para cifrar los datos correctamente en los que incluso una computadora cuántica no causará daño. Entonces, ustedes están a salvo mientras todavía haya algunas personas para implementar estos algoritmos.
• También existe la noción de que la supremacía cuántica es el principio del fin, ya que podremos desarrollar fácilmente una IA de propósito general. Bueno, estamos a años de construir una GAI incluso si consideramos que todos los problemas que enfrenta una computadora Quantum están resueltos y esta área necesita investigación en sí misma. Una computadora cuántica puede acelerar las cosas bastante rápido, pero una IA de propósito general aún está a décadas de distancia de nosotros.

¿Las posibilidades?

Una empresa que busca encontrar la ruta ideal para las entregas minoristas podría dividir el problema en dos partes y aprovechar cada computadora por sus puntos fuertes. Como científico de datos, podemos ver algunos de los algoritmos y contribuir con algo más. Las posibilidades son prácticamente infinitas.
TL; DR La computación cuántica se puede utilizar para resolver el problema que realmente necesita su atención. Es decir, el tipo grande solo debe lidiar con los peores problemas y los triviales deben ser resueltos por métodos informáticos clásicos. Esto significa que la computadora cuántica nunca reemplazará sino que trabajará junto con las computadoras clásicas y contribuirá a mejorar nuestras vidas al resolver problemas considerados inexplicables hasta ahora.