人工智能与量子计算在新型忆阻器中的融合

629527ee6a55edfd9db277845187bb81.png

EQUINOX GRAPHICS/UNIVERSITY OF VIENNA

来源:IEEE电气电子工程师

近年来,计算在两个主要方面取得了进展:机器学习的突破,开发出了可根据经验自动改进的算法;量子计算机的研究,从理论上证明了量子计算机比任何超级计算机都强大。现在,科学家们已经创建了一种称为量子忆阻器的设备的第一个原型,它可能有助于将这两个世界的精华结合在一起——将人工智能与量子计算相结合,以获得前所未有的能力。

忆阻器,或称记忆电阻器,是一种用于电子电路的构建模块,科学家们大约在50年前就预测到了这种结构,但在十多年前才首次创造出来。这些元件本质上是电子开关,可以记住在电源关闭后是打开还是关闭它们。因此,它们类似于突触——人脑神经元之间的联系,其导电性的增强或减弱取决于过去通过它们的电荷量。

理论上,忆阻器可以像人工神经元一样,既能计算又能存储数据。因此,研究人员认为,使用忆阻器构建的神经形态或脑型计算机在运行神经网络方面表现良好,神经网络是一种机器学习系统,使用合成版本的突触和神经元来模拟人脑中的学习过程。

现在,奥地利和意大利的科学家已经开发出一种量子版本的忆阻器,他们认为这种忆阻器可能会发展成量子神经形态计算机。他们上个月在《自然光子学》杂志上在线详细介绍了他们的研究成果。

量子计算机依赖于宇宙如何在其最小的层面上变成一个模糊的地方。例如,原子、光子和宇宙的其他组成部分可以以称为叠加的流动状态存在,这意味着它们基本上可以同时位于两个或多个位置,或者同时沿两个相反的方向旋转。

经典计算机打开或关闭晶体管以将数据表示为1或0,而量子计算机使用量子比特(qubits),它们可以处于同时为1和0的叠加状态。量子计算机中连接在一起的量子比特越多,其计算能力就可以以指数方式增长。

科学家们仍在研究量子计算可能比经典计算更具优势的具体问题。最近,他们开始探索量子计算是否有助于促进机器学习。

之前的研究建议开发一种使用光子的量子忆阻器,以帮助支持量子机器学习。然而,这项研究的主要作者、维也纳大学量子物理学博士生Michele Spagnolo说,之前的工作“实现起来非常具有挑战性,因为它需要创建一个单光子态与零光子态的量子叠加,即真空态”。

在这项新的研究中,Spagnolo和他的同事开发了一种量子忆阻器,该忆阻器依赖于以叠加形式存在的光子流,其中每个光子可以沿着激光写入玻璃上的两条不同路径传播。这个单量子比特集成光子电路中的一个通道被用来测量这些光子的流动,而这些数据通过一个复杂的电子反馈方案,控制另一条路径上的传输,从而使该器件表现得像一个忆阻器。

Spagnolo指出,通常情况下,记忆行为和量子效应不会共存。忆阻器本质上是通过测量内部流动的数据来工作的设备,但当涉及到任何外部干扰(如测量)时,量子效应都非常脆弱。研究人员指出,他们克服了这一明显的矛盾,方法是在他们的设备中设计相互作用,使其足够强以实现忆阻性,但又足够弱以保持量子行为。

使用计算机模拟,研究人员建议,量子忆阻器可以导致机器学习方法的性能呈指数增长,这种方法称为水库计算,擅长快速学习。“潜在地,量子库计算可能比经典的库计算具有量子优势。”Spagnolo说。

与传统的量子电路相比,在量子机器学习中使用量子忆阻器的优点是“与任何其他量子元件不同,忆阻器具有内存,” Spagnolo说。

Spagnolo指出,这项工作的下一步是将多个忆阻器连接在一起。他补充说,未来的研究还可以通过增加每个忆阻器中的光子数量以及它们可以在每个设备中存在的状态数量来扩大规模。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

291477c57cc98d2cdf68005103408b27.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/482160.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

第一个关于中式菜谱的智能问答机器人小程序正式上线啦

为了满足大家对菜品烹饪的各类问题能直接得到答案的需求,我开发了目前第一个真正关于菜谱的智能问答系统,并在微信小程序发布上线。这套系统支持对于8600多种菜品的问答功能,并能实现快速问答响应,整套系统后端依托于搭建的中式菜…

数学在自然科学中不可思议的有效性

来源:数学争鸣作者:尤金维格纳翻译:鲍永成 校对:袁向东数学在自然科学中不合理的有效性1959年5月11日在纽约大学Courant数学科学讲座上的讲演作者简介:尤金维格纳(Eugene P. Wigner)美国物理学…

已嵌入微信公众号内的小图聊天机器人介绍和使用说明

小图是一个融合常识与专业知识的智能聊天机器人,进入“人工智能遇上知识图谱”公众号,并在聊天窗口中发送消息就可以开始聊天,同时支持多轮多对话,小图能够提供闲聊、生活服务咨询、智能助手、休闲娱乐、文艺女青年等17种对话聊天…

图像预训练模型的起源解说和使用示例

来源:Deephub Imba三十多年来,许多研究人员在图像识别算法和图像数据方面积累了丰富的知识。如果你对图像训练感兴趣但不知道从哪里开始,这篇文章会是一个很好的开始。这篇文章简要介绍了过去的演变,并总结了现在的一些热门话题。…

介绍一些知识图谱的实际应用类项目

目前已经有很多方法来构建知识图谱,在实际项目中,我们更加关注可以用构建好的知识图谱来干些什么,因此,我找到了网上一些对于当前知识图谱的应用的介绍,分享给大家。 1 国内外知识图谱项目 国外: 常识知…

语言生成类人工智能如何改变科学

来源:ScienceAI编辑 :萝卜皮密歇根大学安娜堡分校新兴技术治理专家 Shbita Parthasarathy 表示,从大量文本中生成流利语言的机器学习算法可能会改变科学研究的方式,但不一定会变得更好。在2022 年 4 月 27 日发布的一份报告中&…

美国最牛的100个AI团队在哪里?

来源:Forbes撰文:海外来电图片:海外来电AI领域的关键玩家都有谁?企业为了保持竞争优势,需要快速有效地扩大人工智能(AI)能力。而Vectice最新一份报告,列出了100家公司拥有增长最快的…

介绍几个专门面向中文的命名实体识别和关系抽取工具

知识图谱已经在人工智能的各个领域发挥越来越重要的作用,例如视觉问答、对话系统、推荐系统等。知识图谱构建是应用这些知识图谱的基础,而面对生活和企业中数据的爆发式增长,自动化知识图谱构建显得越来越重要。从非结构化文本中自动抽取三元…

一文梳理类脑计算的前世今生 | 中科院自动化所研究员李国齐

来源:智源社区整理:王光华编辑:李梦佳导读:众所周知,人类大脑活动是复杂而连续的动力学过程,其复杂程度远超当前算力资源所能模拟的上限。大脑约有1000亿个神经元,100万亿个突触,单个…

常识推理相关最新研究进展

以深度学习为代表的智能感知技术已经取得了突破性进展,并已在各行各业产生了巨大的价值。目前,人工智能的研究领域已经逐渐从感知智能向认知智能领域过渡,其中,深度学习无法解决的一个主要问题是常识推理问题。常识知识是人类智能…

全球半导体厂商TOP 10

来源:数据观综合编辑:蒲蒲近日,IC Insights 分析了全球主要半导体供应商(不含纯代工厂)的市场份额,并公布排名前十的半导体厂商排名。从分析情况来看,全球半导体市场份额越来越集中于排名靠前的…

常识知识在AI不同领域应用的最新研究进展

上期,我们一起学习了常识推理的最新研究进展。这次,我们一起来看看常识知识在AI不同的领域都有哪些应用,泽宇找到几篇最新或有代表性的研究和大家分享学习。 Commonsense Knowledge Aware Conversation Generation with Graph Attention Aut…

MIT 团队的新测试,将 AI 推理与人类思维进行比较

来源:ScienceAI编辑:萝卜皮人工智能获得洞察力和做出决策的方式通常是神秘的,这引发了人们对机器学习的可信度的担忧。现在,在一项新研究中,研究人员揭示了一种新方法,用于比较人工智能软件的推理与人类推理…

年末巨制:知识图谱嵌入方法研究总结

泽宇对自己的研究方向也就是知识图谱嵌入(KG Embedding)技术进行了总结,并制作了一套slides,力求让大家只看slides就可以理解并掌握知识图谱嵌入的相关知识和最新研究情况,包括知识图谱嵌入的基本概念、方法分类和经典…

吴恩达:未来十年,人工智能将向以数据为中心转变

来源:AI前线作者:Eliza Strickland译者:平川策划:凌敏本文最初发布于 IEEE Spectrum。吴恩达在人工智能领域可谓声名显赫。2000 年底,他与斯坦福大学的学生一起开创了使用图形处理单元(GPU)训练…

知识图谱最新权威综述论文解读:时序知识图谱部分

从最近一两年有关知识图谱的顶会论文中可以发现,越来越多的国内外研究者开始关注动态时序知识图谱,可见时序知识图谱已经成为了一大研究趋势,相信之后会有更多相关研究出来。因此,这期我们对综述论文的时序知识图谱部分接着进行解…

CACM观点:超越联邦学习,让AI跨越公司边界

来源:AI科技评论 编译:张泷玲、杨柳编辑:维克多今年1月份,苏黎世联邦理工学院的Stefan Feuerriegelc教授在 《Communications of the ACM》期刊上刊文“Artificial Intelligence Across Company Borders”,在文中教授指…

知识图谱最新权威综述论文解读:知识图谱应用部分

知识图谱在人工智能的许多领域都发挥了重要作用,综述论文的这一章引入多个最新的基于深度学习的知识驱动方法,主要包括的应用领域有自然语言理解,推荐系统和问答系统。 1 自然语言理解 知识感知的自然语言理解通过将结构化的知识注入一个统一…

知识图谱和专家系统、知识工程、数据库等概念的比较

知识图谱虽然是Google在2012年公布其开发的搜索引擎时提出的名词,但是知识图谱的雏形早在1960左右就已经出现,因此,知识图谱其实是很多相关技术继承发展的结果。并且,和知识图谱类似的还有好几个概念:专家系统、知识工…

CICC城市大脑专委会成功举办“城市大脑成熟度评估专家研讨会”

来源:中国指挥与控制学会2020年以来,城市大脑已成为科技领域的新热点。作为一个新兴的前沿科技领域,不同企业、不同城市对城市大脑的理解并不相同,在建设的过程中没有统一的建设规范和标准作为指导,从而导致不同企业建…