AI は量子コンピューティングを破壊しない

サビーネ・ホッセンフェルダー博士の最新のYouTubeビデオのタイトルは「 AIが量子コンピューティングを殺すようだ」です。

量子コンピューターへの攻撃が冷める前に、なぜこれが起こらないのかを共有したいと思います。

量子コンピューターは研究上の大きな関心を集めています

もしあなたが、AI が研究資金を枯渇させて量子コンピューターを実際に殺すだろうと真剣に信じてこのビデオを見なくなったなら、AI が素粒子物理学、宇宙論、量子重力を殺すだろうと信じたほうが良いでしょう。

そして、ヒッグス粒子が水素原子よりも大きな質量エネルギーを持っているとしたら、一体どこに隠れているのでしょうか？

ただ言って。

より優れた量子コンピューターの理論的および実験的実現における継続的な進歩は、宇宙に関する計算上の真実を明らかにするための実際の方法であるため、人類にとって非常に興味深いものです。私たちは、ブラックホールの中で何が起こっているかに興味があるのと同じように、大きくて強力な量子コンピューターの構築に興味を持っています。

大きくて強力な量子コンピューターが RSA をハッキングして、(エイリアンについての) ハッシュ化された秘密をすべて明らかにするでしょうか?知りたいです。ブラックホールは私たちを別の宇宙にテレポートさせるのでしょうか?サビーヌ博士はこれに興味を持っています。

AI によって大手テクノロジー企業の創設者は数十億ドルになり、月にサーバーを設置し始めればすぐに数兆ドルになるでしょうが、その新たに見つかった資金の多くは、推測ですが、量子コンピューティングの研究に充てられるでしょう。

コンピューティングは必ずしもスピードだけを重視するわけではない

グラフ

以下のグラフでは、量子コンピューターの計算速度と古典的コンピューターの計算速度を常に比較しています。

上のグラフは、古典的コンピューティングの線の上にある量子コンピューティングの線から始まります。これは、従来のコンピューターの方が効率が高く、操作にかかる時間が短いことを意味します。その後、クロスオーバーポイントがあり、古典的なコンピューターは量子コンピューターと比較して演算にはるかに長い時間がかかります。

そのクロスオーバーポイントは、適度なサイズと複雑さの量子コンピューターが、古典的なコンピューターではハッキングできない古典的な暗号化アルゴリズム、シミュレーション問題、および移動問題をハッキングするときです。

サビーヌ博士は、AI が境界線と交差点を非常に遠い未来に移しつつあると主張し、メタのシニアフェローで元技術責任者のマイク・シュロプファー氏の「量子コンピューティングは現時点ではメタとは無関係である」という発言はまさに先見の明があると主張している。 。

…「（量子マシンは）いつか登場するかもしれないが、その期間は非常に長いので、私たちがやっていることとは無関係である。」

• ソース

しかし、コンピューティングは、常に問題を迅速に解決することを目的としているわけではありません。

モデリング

コンピューティングは問題のモデリングにも関係します。

最新の QC ( 433 量子ビットの IBM Osprey ) は、ほとんどの人がお金を払っている計算問題を解決するには十分なほど巨大ではありませんが、モデル化できるものをモデル化するにはスーパーコンピューティング複合体が必要であるという事実は、十分に印象深いはずです。

わかっている、そうすべきだ。

オスプレイで印象的なものをモデル化し、それをフロンティアでもモデル化してみましょう。どちらが消費電力が少ないか見てみましょう。この造形コンテストはハイアートとして評価され、人々を楽しませるように設計されています。エンターテイメントがあるところでは、人々はそれに喜んでお金を払います。

より実際的な話では、量子コンピューターの測定側に構築された量子センサーは、古典的な計算センサーでは見ることができなかった宇宙への頂点です。注目すべきはLIGOと原子時計です。

後者は、原子を継続的に励起することによって周期的に循環される最小エネルギーを使用して、原子のゼプト秒を確認およびカウントできます。

時間を非常に正確に伝えることは、不格好ではあっても、 正確なカレンダーを維持するのに役立ちます。

前者は、マッハツェンダー干渉計のバリエーションを使用して重力波を見ることができます。量子コンピューティングの世界では、これは単なる単一の CNOT ゲートです。

したがって、1 つの CNOT ゲートで重力波が見えるとしたら、私たちの精巧なアルゴリズムでは何が見えるのだろうかと疑問に思うでしょう。

それを知る必要があります。

量子コンピューティングの測定コンピューティングのユースケースは、さらに印象深いものになるでしょう。私はいつか、可能な限り最小のビットコインマイナーのハミルトニアンを測定したいと思っています。

AIは量子コンピューティングを好むかもしれない

AI は学習が大好きなので、AI は量子コンピューティングを好む可能性があることを認識する必要があります。

AI は古典的なコンピューターの限界を押し広げ、AI モデルをトレーニングする人々も驚嘆するヒューリスティックな能力を開発させている可能性があります。しかし、車をどれだけ押してもボートにはなりません。

AI は、ほとんどの人間の物理学者に比べて量子力学を説明するのがまだ下手ですが、量子コンピューティング データを AI に送り続ければ、状況は変わるかもしれません。

量子機械学習 (MLQ、量子機械学習であるQMLではありません) テクノロジーはメタにとって興味深いはずです。なぜなら、より優れた量子コンピューターを開発する道は、古典的なコンピューティングの世界に関連するより優れたナノマテリアルも開発することになるからです。

量子コンピューティングの世界は、古典的なコンピューティングの世界と同様に、現在はナノスケールにとどまっています。隣人なので、お互いに利益を得ることができます。そうするだろう。

PS >> 量子コンピューターは、原子のもつれが存在しない場合よりも多くのエネルギーを蓄積するため、バッテリー技術の改善にも力を入れています。

それを認めてください。これらの量子コンピューターは興味深いです。