Microcloud Hologram מציגה סימולטור בינה מלאכותית קוונטית המבוסס על שיטת CPU‑FPGA
Microcloud Hologram (HOLO) הציגה סימולטור בינה מלאכותית קוונטית, שמאמץ שיטה היברידית של CPU‑FPGA. המערכת הזו מבצעת אופטימיזציה ברמת החומרה למבנה הספציפי של ״ליבות קוונטיות״ באמצעות ארכיטקטורת מחשוב הטרוגנית. כך היא הופכת את תהליך האמידה של הליבה הקוונטית למהיר פי 500 ממימושי סימולציה מסורתיים המבוססים על CPU בלבד, באותו סדר גודל חישובי. זה מספק יכולות האצה חסרות תקדים לסימולציה של יישומי בינה מלאכותית קוונטית.
הטכנולוגיה של HOLO מתמקדת בליבות קוונטיות ייעודיות ליישום, שמתוכננות למשימות סיווג תמונות. ליבות אלה מממשות לראשונה את תהליך החישוב המרכזי שלהן על גבי רכיב Field Programmable Gate Array (FPGA). באמצעות תכנון משולב לעומק של מבני הליבות הקוונטיות, שיטות קידוד התכונות וארכיטקטורות זרימת הנתונים ב‑FPGA, HOLO בנתה פלטפורמת האצת חומרה המכוונת לאלגוריתמי למידת מכונה קוונטית. הפלטפורמה מאפשרת לסמלץ מודלי ליבה קוונטית בעלי יכולות קידוד תכונות בממדים גבוהים, תוך שימוש במשאבי מחשוב קלאסיים.
ההישג הזה לא רק פורץ את מגבלת מספר הקיוביטים הפיזיים שמאפיינת כיום התקנים קוונטיים ״רועשים״ בקנה מידה ביניים, אלא גם מציע כיוון חדש לאימות אב־טיפוס של אלגוריתמים קוונטיים מבוססי חומרה בעתיד.
ברמת המבנה הספציפי של הליבה הקוונטית, HOLO תכננה אסטרטגיית קידוד פרמטרית אמפירית למשימות סיווג תמונות. דגימות התמונות נדחסות תחילה לווקטורי תכונות בממד קבוע. לאחר מכן הן מומרות לפרמטרים של זוויות סיבוב באמצעות מיפוי לא‑ליניארי, כדי להזין אותם למעגל הקוונטי.
מבנה מעגל הליבה הקוונטית כולל שכבות רבות של שערי סיבוב מבוקרים ושערי שזירה, שנועדו לבנות קשרי תכונות גלובליים. השוואות ניסיוניות מראות שהעמקה מתונה של הליבה הקוונטית יכולה לשפר משמעותית את ביצועי הסיווג. עם זאת, היא גם גורמת לצמיחה מעריכית במורכבות הסימולציה.
לכן HOLO אימצה אסטרטגיית אופטימיזציה משולבת: ברמת האלגוריתם מגבילים את טווח השזירה במעגל, וברמת החומרה מבצעים שימוש חוזר בלוגיקה ואופטימיזציה של טבלאות השמה (lookup tables) עבור פעולות שער נפוצות, כדי למקסם את ניצול החומרה.
על בסיס זה, שיעור ניצול משאבי הלוגיקה ב‑FPGA נשמר מתחת ל‑82%, ורוחב הפס של הזיכרון על השבב יכול לתמוך בפעולות עדכון מצב קוונטי עבור 256 ערוצים מקבילים.
כדי לאמת עוד את ביצועי הסימולטור, HOLO ביצעה בדיקות למערכת במספר מערכי משימות של סיווג תמונות, כולל מערכי הנתונים הקלאסיים MNIST ו‑Fashion‑MNIST. תוצאות הניסוי מראות שאומדן הליבה הקוונטית המואץ על ידי FPGA, באותו היקף דגימה, רץ בזמן שהוא בערך 1/500 מזמן הריצה של מימוש מבוסס CPU, ומשיג דיוק סיווג דומה לזה של ליבת גאוס עם היפר‑פרמטרים אופטימליים.
המשמעות היא ש‑HOLO יכולה, באמצעות תכנון מושכל של מבני ליבה קוונטית ומנגנוני האצת חומרה יעילים, לשחזר את מאפייני הביצועים המרכזיים של אלגוריתמים קוונטיים על גבי חומרה קלאסית, בלי להישען על חומרה קוונטית אמיתית. חשוב מכך, פלטפורמת הסימולציה הזו מספקת ערוץ מעשי וישים לאימות אלגוריתמים, להשוואת מודלים ולבדיקות סקיילביליות של אלגוריתמי למידת מכונה קוונטית.
פורסם לראשונה ב‑TheFly – מקור מידע סופי לדיווחי חדשות בזמן אמת שמזיזים את השוק. נסו עכשיו>>
ראו את המניות המובילות שמומלצות על ידי אנליסטים >>