Mitsubishi Electric desenvolve Inteligência Artificial Quântica

0

A Mitsubishi Electric Corporation acaba de anunciar o desenvolvimento de uma tecnologia de Inteligência Artificial Quântica (IA) que projeta e otimiza automaticamente modelos de inferência para reduzir a escala de computação com redes neurais quânticas. A nova tecnologia de IA quântica pode ser integrada a estruturas clássicas de aprendizado de máquina para diversas soluções.

A Mitsubishi Electric confirmou que a tecnologia pode ser incorporada na primeira aplicação mundial para geração de imagens em terahertz (THz) utilizando ondas de frequência ultra-altas para realizar inspeções não destrutivas, explorando propriedades como a alta penetração das ondas de rádio e a alta diretividade das ondas de luz.

A nova tecnologia também pode ser usada para monitoramento de ambientes internos onde sinais Wi-Fi são usados para detectar movimentos de humanos durante a observação de ambientes.

Outros potenciais aplicações são possíveis, como o uso em compactação e recuperação de dados originais provenientes de medições múltiplas de dados e processamento de biosinal para interfaces cérebro-computador.

A nova tecnologia de aprendizado de máquina quântica (QML), desenvolvida pela Mitsubishi Electric, entrega modelos de inferência compactos, explorando totalmente a enorme capacidade dos computadores quânticos de representarem várias combinações de zero e um ao mesmo tempo, evoluindo constantemente o seu estado com um maior número de bits quânticos.

Em uma combinação híbrida de IA quântica e clássica, a tecnologia pode compensar as limitações da IA clássica para obter um desempenho superior, reduzindo significativamente a escala dos modelos de IA, mesmo quando se usa dados limitados.

Pesquisas indicam que os computadores quânticos em rápido desenvolvimento irão superar os computadores clássicos, explorando a física quântica para operar estados de qubits simultaneamente.

São previstos grandes avanços na análise de dados, desenvolvimento de IA, entre outros, implementados em aplicações como otimizações em larga escala e design de novos materiais. As tecnologias clássicas de aprendizado de máquina baseadas em aprendizado profundo — a base da IA atual — mostraram excelente desempenho, mas exigem recursos de computação caros e muitas vezes não atingem todo o potencial se os dados de treinamento5 ou os recursos forem limitados.

DEIXE UMA RESPOSTA

Por favor digite seu comentário!
Por favor, digite seu nome aqui

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.