Η Κβαντική υπολογιστική και τεχνητή νοημοσύνη αυξάνει την ακρίβεια πρόβλεψης χαοτικών συστημάτων

Η κβαντική υπολογιστική αρχίζει να δείχνει ότι δεν αποτελεί απλώς ένα εντυπωσιακό τεχνολογικό πείραμα του μέλλοντος, αλλά μπορεί ήδη να προσφέρει ουσιαστικά αποτελέσματα σε πραγματικά προβλήματα. Νέα έρευνα από επιστήμονες του University College London φέρνει στο προσκήνιο ένα υβριδικό μοντέλο που συνδυάζει κβαντικούς υπολογιστές και τεχνητή νοημοσύνη, πετυχαίνοντας καλύτερες προβλέψεις σε πολύπλοκα και χαοτικά φυσικά συστήματα.

Η μελέτη δείχνει πως αυτός ο συνδυασμός μπορεί να ξεπεράσει ακόμη και τα πιο προηγμένα μοντέλα τεχνητή νοημοσύνη που βασίζονται αποκλειστικά σε κλασικούς υπολογιστές. Τα αποτελέσματα δημοσιεύτηκαν στο επιστημονικό περιοδικό Science Advances και ανοίγουν τον δρόμο για πιο ακριβή μοντέλα σε τομείς όπως η ροή υγρών και αερίων, η κλιματική επιστήμη, η ιατρική, οι μεταφορές και η ενέργεια.

Πώς ο κβαντικός παράγοντας βελτιώνει την απόδοση της AI

Το βασικό πλεονέκτημα του νέου συστήματος βρίσκεται στον τρόπο με τον οποίο οι κβαντικοί υπολογιστές επεξεργάζονται πληροφορία. Σε έναν κλασικό υπολογιστή, η μονάδα πληροφορίας είναι το bit, που παίρνει μόνο δύο τιμές 0 ή 1.

Στον κβαντικό κόσμο, όμως, τα κβαντοδυφία λειτουργούν διαφορετικά, καθώς μπορούν να βρίσκονται σε πολλαπλές καταστάσεις ταυτόχρονα. Αυτό δίνει τη δυνατότητα σε πολύ μικρά συστήματα να αποτυπώνουν τεράστιο αριθμό πιθανών σεναρίων.

Tα κβαντοδυφία μπορούν να αλληλεπιδρούν μεταξύ τους με τρόπους που δεν συναντάμε στους κλασικούς υπολογιστές, γεγονός που ενισχύει σημαντικά τη δυνατότητα αποθήκευσης και επεξεργασίας πολύπλοκων μοτίβων.

Όπως εξήγησε ο καθηγητής Peter Coveney από το UCL, η πρόβλεψη τέτοιων συστημάτων είναι εξαιρετικά δύσκολη είτε απαιτείται μια πλήρης προσομοίωση που μπορεί να διαρκέσει εβδομάδες, είτε χρησιμοποιείται ένα μοντέλο τεχνητής νοημοσύνης που είναι ταχύτερο αλλά συχνά χάνει την ακρίβειά του όσο περνά ο χρόνος. Το νέο υβριδικό μοντέλο έρχεται να ισορροπήσει ανάμεσα στην ταχύτητα και την αξιοπιστία.

Ένα υβριδικό μοντέλο που συνδυάζει το καλύτερο και από τους δύο κόσμους

Η ιδέα των ερευνητών δεν είναι να αντικαταστήσουν πλήρως τα κλασικά συστήματα με κβαντικούς υπολογιστές. Αντίθετα, χρησιμοποίησαν τον κβαντικό υπολογιστή σε ένα κρίσιμο στάδιο της διαδικασίας εκπαίδευσης της τεχνητής νοημοσύνης.

Αρχικά, τα δεδομένα περνούν από τον κβαντικό επεξεργαστή, ο οποίος εντοπίζει σταθερά στατιστικά χαρακτηριστικά μέσα στο χάος του συστήματος. Στη συνέχεια, αυτά τα χαρακτηριστικά αξιοποιούνται για την εκπαίδευση ενός μοντέλου τεχνητής νοημοσύνης που τρέχει σε συμβατικό υπερυπολογιστή.

Με αυτόν τον τρόπο, το σύστημα δεν βασίζεται μόνο στη "μαντεψιά" των δεδομένων, αλλά αποκτά πρόσβαση σε πιο βαθιές και σταθερές δομές της πληροφορίας.

Καλύτερες προβλέψεις, μεγαλύτερη σταθερότητα

Τα αποτελέσματα ήταν ιδιαίτερα ενθαρρυντικά. Το κβαντικά βασισμένο μοντέλο αποδείχθηκε περίπου 20% πιο ακριβές από ένα αντίστοιχο μοντέλο τεχνητής νοημοσύνης που δεν αξιοποιούσε κβαντικά δεδομένα. Παράλληλα, παρέμεινε πιο σταθερό σε μεγαλύτερα χρονικά διαστήματα, κάτι που είναι καθοριστικό όταν μιλάμε για χαοτικά συστήματα.

Εξίσου εντυπωσιακή ήταν και η αποδοτικότητα. Η νέα μέθοδος χρειάστηκε εκατοντάδες φορές λιγότερη μνήμη, κάτι που την καθιστά ιδιαίτερα ελκυστική για εφαρμογές μεγάλης κλίμακας, όπου ο όγκος των δεδομένων μπορεί να γίνει ασφυκτικός.

Γιατί η κβαντική φυσική κάνει τη διαφορά

Η υπεροχή αυτής της προσέγγισης συνδέεται με δύο θεμελιώδη φαινόμενα της κβαντικής φυσικής.

Το πρώτο είναι η διεμπλοκή, όπου δύο qubits μπορούν να επηρεάζουν το ένα το άλλο ακόμη κι αν βρίσκονται σε μεγάλη απόσταση. Το δεύτερο είναι η υπέρθεση, δηλαδή η δυνατότητα ενός κβαντοδυφίου (qubit) να βρίσκεται σε περισσότερες από μία καταστάσεις μέχρι τη στιγμή της μέτρησης.

Αυτά τα χαρακτηριστικά δίνουν στους κβαντικούς υπολογιστές ένα τεράστιο υπολογιστικό πλεονέκτημα, ακόμη και όταν ο αριθμός των κβαντοδυφίων (qubits) είναι σχετικά μικρός.

Πρακτικό όφελος πέρα από τη θεωρία

Η Maida Wang, πρώτη συγγραφέας της μελέτης από το UCL Center for Computational Science, σημείωσε ότι η νέα μέθοδος φαίνεται να δείχνει στην πράξη ένα είδος "κβαντικού πλεονεκτήματος", με την έννοια ότι ο κβαντικός υπολογιστής ξεπερνά αυτό που μπορεί να πετύχει η κλασική υπολογιστική από μόνη της.

Σύμφωνα με την ίδια, τα επόμενα βήματα περιλαμβάνουν μεγαλύτερα σύνολα δεδομένων, πιο ρεαλιστικά περιβάλλοντα εφαρμογής και την ανάπτυξη ενός πιο αυστηρού θεωρητικού πλαισίου.

Από την πλευρά του, ο Xiao Xue, επίσης από το UCL, τόνισε ότι πρόκειται για την πρώτη φορά που η κβαντική υπολογιστική ενσωματώνεται τόσο ουσιαστικά με μεθόδους μηχανικής μάθησης για την αντιμετώπιση σύνθετων δυναμικών συστημάτων, όπως η ρευστομηχανική.

Γιατί τα χαοτικά συστήματα είναι τόσο δύσκολα

Η πρόβλεψη φαινομένων όπως η ροή ρευστών, η τυρβώδη ροή ή η αλληλεπίδραση μορίων αποτελεί από τα δυσκολότερα προβλήματα της επιστήμης. Μικρές αλλαγές στην αρχή ενός συστήματος μπορούν να οδηγήσουν σε εντελώς διαφορετικά αποτελέσματα σε επόμενο χρόνο.

Αυτός είναι και ο λόγος που η κλασική τεχνητή νοημοσύνη, παρότι γρήγορη, συχνά δυσκολεύεται όταν πρέπει να προβλέψει τη συμπεριφορά ενός πολύπλοκου συστήματος για μεγάλο χρονικό διάστημα. Η κβαντική ενίσχυση φαίνεται πως προσφέρει την επιπλέον πληροφορία που χρειαζόταν για να βελτιωθεί η ακρίβεια.

Από τον υπερυπολογιστή στην πραγματική αξιοποίηση

Η έρευνα υλοποιήθηκε με έναν κβαντικό υπολογιστή 20 κβαντοδυφίων της IQM, ο οποίος συνδέθηκε με κλασικούς υπερυπολογιστικούς πόρους στο Leibniz Supercomputing Centre στη Γερμανία.

Αξίζει να σημειωθεί ότι οι κβαντικοί υπολογιστές απαιτούν ακραίες συνθήκες λειτουργίας, με θερμοκρασίες κοντά στο απόλυτο μηδέν, δηλαδή περίπου στους -273 °C. Πρόκειται για ένα περιβάλλον πολύ πιο ψυχρό ακόμη και από το διάστημα.

Η συγκεκριμένη μελέτη δείχνει ότι η κβαντική υπολογιστική μπορεί να βρει άμεση εφαρμογή σε τομείς με τεράστια πρακτική σημασία. Από καλύτερες προβλέψεις για τον καιρό και πιο ακριβή μοντέλα κυκλοφορίας του αίματος, μέχρι τον σχεδιασμό αποδοτικότερων ανεμογεννητριών και τη μελέτη μοριακών αλληλεπιδράσεων, οι δυνατότητες είναι σημαντικές.

Αν οι ερευνητές καταφέρουν να κλιμακώσουν αυτή τη μέθοδο, τότε ίσως βλέπουμε τα πρώτα πραγματικά βήματα μιας νέας εποχής όπου η τεχνητή νοημοσύνη δεν θα δουλεύει μόνη της, αλλά θα ενισχύεται ουσιαστικά από την κβαντική υπολογιστική.

{alertInfo}Ακολουθήσετε το Tech News in Greek στο Facebook, X , Instagram και στο Google News για να μαθαίνετε άμεσα όλα τα νέα.