Autorius Davidas Stephenas

Yra naujas (2025 m. gruodžio 2 d.) straipsnis Gamtoje, Dirbtinis intelektas kvantiniam skaičiavimui, kuriame teigiama, kad „Kvantinė kompiuterija (QC) gali turėti įtakos visoms mokslo ir pramonės sritims, tačiau darosi vis aiškiau, kad šio pažado įvykdymas priklauso nuo glaudaus gedimams atsparios programinės įrangos integravimo su quantum computing ir quantum computerac. kvantiniai superkompiuteriai“.

Ar konceptualus smegenų mokslas patobulins kvantinį skaičiavimą?

„Tačiau aparatinės įrangos perkėlimas iš triukšmingų vidutinio masto kvantinių (NISQ) įrenginių prie gedimams atsparių kvantinių skaičiavimų (FTQC) susiduria su daugybe iššūkių. Nors neseniai buvo atlikta kvantinių klaidų taisymo (QEC) demonstracijų, visi populiarūs qubit modalumai kenčia nuo aparatinės įrangos triukšmo, neleidžiančių atlikti sudėtingų operacijų, kurių reikia atlikti.”

„Nors didelio našumo skaičiavimas (HPC), ypač pagreitintas GPU skaičiavimas, jau skatina kokybės kontrolės tyrimus per grandinės ir aparatinės įrangos modeliavimą, generatyvaus dirbtinio intelekto (AI) paradigmų augimas tik prasidėjo.

„Nepaisant didelio AI pažado, labai svarbu pripažinti jo apribojimus, kai taikomas QC. AI, kaip iš esmės klasikinė paradigma, negali efektyviai imituoti kvantinių sistemų bendruoju atveju dėl eksponentinių mastelio apribojimų, kuriuos nustato kvantinės mechanikos dėsniai. Klasikinis kvantinės kompiuterinės atminties sąnaudų ir sąnaudų augimo modeliavimas kenčia.”

„Didžiausiais potėpiais giliųjų neuroninių tinklų (DNN) taikomąsias programas galime suskirstyti į diskriminacines ir generatyvines. Pirmoji siekia išmokti sąlyginį y vertės vektoriaus P(y?x) pasiskirstymą, esant ypatybės vektoriui x, o antroji siekia bendro tikimybių skirstinio P(x, y).

„Labai svarbu mokyti visus šiuos giluminio mokymosi metodus yra aukštos kokybės duomenys. QC atveju šie duomenys dažnai turi būti gauti modeliuojant superkompiuteriais dėl kvantinių kompiuterių triukšmo ir masto apribojimų, taip pat dėl ​​kvantinių duomenų gavimo išlaidų (laiko ir ekonominių).

„AI kvantinio kompiuterio kūrimui ir projektavimui. Įrenginių projektavimas. Mokymosi kvantinių sistemų modeliai. AI išankstiniam apdorojimui. Kvantinės grandinės kompiliavimas. Vienetinė sintezė. AI grandinės optimizavimui. AI modeliai kompaktinėms grandinėms generuoti. AI įrenginių valdymui ir optimizavimui. Optimalios dinamikos projektavimas. Nepageidaujamos dinamikos pašalinimas. AI klaidų taisymas. Kvalifikacinio apdorojimo AI. Stebimi įvertinimo ir tomografijos metodai.

„Svarbiausia, kad kiekvienas kokybės kontrolės aspektas turi būti keičiamas, o AI gali būti vienintelė priemonė, galinti veiksmingai išspręsti šias problemas ir tai daryti efektyviai.

AI

Paprastas būdas apibūdinti AI yra technologija, kuri nukopijavo tai, kas veikia: smegenis. Arba paprasčiausiai AI yra technologija, kuri pažvelgė į geriausią intelekto atvejį gamtoje, žmogaus smegenyse, ir imitavo jį matematiškai įmanomais būdais.

Be to, dideli kalbos modeliai (LLM) nukopijavo pagrindinį intelekto pagrindą, kalbą. Nors intelektą galima valdyti ir kitais būdais, kalba yra svarbiausia – žmogaus intelektui – mąstant, klausytis, rašyti, skaityti, dainuoti, pasirašyti, kalbėti ir pan.

Taigi dirbtinis intelektas yra toks pat geras, koks yra, tiesiogiai sekdamas smegenų pavyzdžiu.

Jei tai padarė DI svarbesnį nei bet kuri kada nors buvusi technologija, ką turėtų daryti bet kuri kita siekiamybė technologija? Nukopijuoti imitaciją, AI, ar nukopijuoti šaltinį, žmogaus smegenis?

Kvantinė kompiuterija

Kvantiniame skaičiavime yra keletas inžinerinių spragų, kur esminių atsakymų reikėtų ieškoti smegenyse.

Nors dirbtinis intelektas šiuo metu gali būti naudingas keliems tobulinimo atvejams, smegenys turėtų būti agresyviai ištirtos (teoriškai) sritims, kurios gali nustatyti, kaip sukurti naujus kvantinio skaičiavimo būdus, taip pat kai kurias kitas reikalingas sritis, pavyzdžiui, stabilumą, klaidų taisymą, kompaktiškumą ir pan.

AI paėmė signalus iš neuronų. Kvantinė kompiuterija gali žiūrėti į elektrinius ir cheminius signalus. Toks, kad, kadangi tikslas yra tobulinti kvantinį skaičiavimą, būtų galima sukurti įvairias elektrinių ir cheminių signalų prielaidas taip, kad būtų išvengta kvantinio skaičiavimo iššūkių.

Pavyzdžiui, kaip smegenys ištaiso tai, kas vadinama prognozavimo klaida. Dažnai sakoma, kad naudojant nuspėjamą kodavimą – kartais susietą su nuspėjamuoju procesu – smegenys numato, bet kai jos nesutampa, atliekama pataisa, tada atnaujinama.

Galima teigti, kad tai, kas imasi veiksmų, kurie atrodo kaip numatymas smegenyse, yra elektriniai signalai rinkiniuose, neuronų grupėse.

Ir kaip jie tai daro, yra tai, kad rinkinyje vieni atsiskiria nuo kitų, eidami į priekį, o kiti seka paskui.

Dabar ankstyvas padalijimas skirtas sąveikai (cheminių signalų rinkinio sandūroje), kad būtų galima greitai interpretuoti, kad procesai galėtų tęstis.

Tačiau įeinantis signalas arba antroji padalijimo dalis, jei įvestis sutampa, ji eina ta pačia kryptimi, o jei ne, tai kita kryptimi, kuri ištaiso numatymo klaidą.

Pavyzdžiui, galima išgirsti pradines garso dalis, o tada atsiranda elektrinių signalų padalijimas, o pradinis signalas eina interpretuoti, siekiant nustatyti ar parodyti, kad tai konkretus garsas.

Tačiau, kadangi girdimas likęs garsas, įeinantis elektrinis signalas eina ta pačia kryptimi, jei sutampa, arba kitur, jei nesutampa, ištaisant klaidą.

Šis postulatas gali būti naudojamas nuotoliniu būdu ištirti kvantinio skaičiavimo klaidų taisymo kelius.

Taip pat galima apibrėžti atmintį smegenyse storais ir plonais rinkiniais, kad plonuose rinkiniuose būtų tai, kas yra unikalu, o storuose – tai, kas įprasta tarp dviejų ar daugiau plonų rinkinių.

Kvantinio skaičiavimo atveju susipainiojimą ir superpoziciją galima ištirti naudojant tiek storus, tiek plonus rinkinius, taip pat atkreipti dėmesį į kvantinį saugojimą, taip pat dėl ​​dekoherencijos ir kitų trūkumų.

Koncepcinis smegenų mokslas turi daug ką pasiūlyti fundamentaliam kvantiniam skaičiavimui, kad būtų naudinga inžinerijai svarbiais naudojimo atvejais, kol nepasibaigs dešimtmetis. Galimybė sukurti konceptualių smegenų mokslo tyrimų laboratorijas kvantinių skaičiavimų įmonėse, kad būtų galima tai dirbti, ypač jau 2026 m. sausio 1 d.

Davidas Stephenas šiuo metu atlieka konceptualaus smegenų mokslo tyrimus, daugiausia dėmesio skirdamas elektriniams ir cheminiams konfigūratoriams, kaip jie mechanizuoja žmogaus protą, turėdami įtakos psichinei sveikatai, sutrikimams, neurotechnologijoms, sąmonei, mokymuisi, dirbtiniam intelektui ir ugdymui. Jis buvo kviestinis medicinos entomologijos mokslininkas Ilinojaus universitete Urbana Champaign, IL. Jis atliko kompiuterinio regėjimo tyrimus Rovira i Virgili universitete Taragonoje.

Peržiūrėkite daugiau įdomių istorijų čia.