マイクロアルゴ、AI訓練時間を90%削減する量子アルゴリズムを発表

量子アルゴリズムの仕組み

マイクロアルゴ（MicroAlgo）の手法は、ニューラルネットワークの訓練における2つの主要なボトルネック、すなわち内積計算と中間値の保存に焦点を当てています。ベクトルを量子状態に符号化することで、このアルゴリズムは複数の次元を同時に処理でき、内積をはるかに高い効率で近似することが可能です。

QRAMの使用も重要な要素です。従来の訓練では、活性化値や誤差値の保存と呼び出しはリソースを大量に消費するプロセスでした。QRAMはこれらのデータを量子状態に暗黙的に保存し、対数的な計算量での呼び出しを可能にします。これは、量子重ね合わせによる並列処理能力と相まって、訓練パイプラインを劇的に加速させます。

業界への影響と課題

同社は、金融やヘルスケア向けの大規模データ処理、自動運転向けのリアルタイム意思決定システム、エッジコンピューティングやIoT（モノのインターネット）向けの軽量アプリケーションをターゲットにしています。成功すれば、この技術は複雑なAIモデル開発の参入障壁を下げ、エヌビディア（Nvidia）などの高価で電力を大量に消費するGPUへの依存を減らす可能性があります。

しかし、商用化への道は困難に満ちています。プレスリリースでは、量子コンピューティングのハードウェアはまだ初期段階にあり、異なる量子プラットフォーム間で互換性のあるアルゴリズムを作成することが依然として大きな障害であることを認めています。さらに、量子専業企業は資金を激しく消費しており、IonQ (IONQ)、Rigetti Computing (RGTI)、D-Wave Systems (QBTS) などの企業は多額の損失を計上し、運営資金を調達するために希薄化を伴う増資に頼っています。

マイクロアルゴの突破口はソフトウェア分野にありますが、その実現性はハードウェア開発のペースに直接左右されます。今回の発表は、古典コンピューティングと量子コンピューティングの潜在的な架け橋となり、大規模な量子コンピュータが広く普及する前であっても、新しい古典的なヒューリスティック・アルゴリズムに示唆を与える最適化の道筋を提示しています。

この記事は情報提供のみを目的としており、投資アドバイスを構成するものではありません。