MicroAlgo, AI eğitim süresini %90 oranında azaltacak kuantum algoritmasını duyurdu

Kuantum Algoritması Nasıl Çalışır?

MicroAlgo'nun yöntemi, sinir ağı eğitimindeki iki ana darboğaza odaklanıyor: iç çarpım hesaplaması ve ara değerlerin depolanması. Vektörleri kuantum durumlarına kodlayarak, algoritma birden fazla boyutu eşzamanlı olarak işleyebilir ve iç çarpımları çok daha yüksek bir verimlilikle yaklaşık olarak hesaplayabilir.

QRAM kullanımı bir diğer kritik unsurdur. Geleneksel eğitimde, aktivasyon ve hata değerlerinin depolanması ve geri çağrılması kaynak yoğun bir süreçtir. QRAM, bu verileri kuantum durumlarında örtük olarak depolayarak logaritmik karmaşıklıkla geri çağrılmasını sağlar. Bu, kuantum süperpozisyonunun paralel işleme yetenekleriyle birleştiğinde eğitim hattını önemli ölçüde hızlandırır.

Sektörel Etkiler ve Engeller

Şirket; finans ve sağlık hizmetleri için büyük ölçekli veri işleme, otonom sürüş için gerçek zamanlı karar sistemleri ve uç bilişim ile Nesnelerin İnterneti için hafif uygulamaları hedefliyor. Başarılı olursa bu teknoloji, karmaşık AI modelleri geliştirmenin önündeki engelleri azaltabilir ve Nvidia gibi şirketlerin pahalı, yüksek güç tüketen GPU'larına olan bağımlılığı düşürebilir.

Bununla birlikte, ticarileşme yolu zorluklarla doludur. Basın bülteni, kuantum bilişim donanımının henüz erken aşamalarında olduğunu ve farklı kuantum platformları arasında uyumlu algoritmalar oluşturmanın önemli bir engel olmaya devam ettiğini kabul ediyor. Ayrıca, IonQ (IONQ), Rigetti Computing (RGTI) ve D-Wave Systems (QBTS) gibi sadece kuantum alanında faaliyet gösteren firmalar büyük kayıplar vererek nakit tüketiyor ve operasyonlarını finanse etmek için seyreltici hisse tekliflerine güveniyor.

MicroAlgo'nun atılımı yazılım alanında olsa da uygulanabilirliği doğrudan donanım geliştirme hızına bağlıdır. Duyuru, klasik ve kuantum bilişim arasında potansiyel bir köprü görevi görerek, büyük ölçekli kuantum bilgisayarlar yaygınlaşmadan önce bile yeni klasik sezgisel algoritmalara ilham verebilecek optimizasyon yolları sunuyor.

Bu makale sadece bilgilendirme amaçlıdır ve yatırım tavsiyesi teşkil etmez.