IonQ ร่วมกับ Oak Ridge ใช้ Generative AI ออกแบบวงจรควอนตัม
ความร่วมมือระหว่าง IonQ และ Oak Ridge National Laboratory เผยวิธีใช้ Generative AI ออกแบบวงจรควอนตัม ช่วยลดเวลาประมวลผล
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- IonQ และ Oak Ridge พัฒนาวิธีใช้ Generative AI สร้างวงจรควอนตัม
- เทคโนโลยีนี้ช่วยตัดขั้นตอนการปรับแต่งพารามิเตอร์แบบวนซ้ำที่ใช้เวลานาน
- โมเดล Transformer ถูกนำมาฝึกฝนด้วยชุดข้อมูลวงจรควอนตัมคุณภาพสูง
- ผลการทดสอบชี้ว่าความเร็วคงที่ราว 28 วินาที พร้อมความแม่นยำที่สูงขึ้น
การวิจัยครั้งใหม่จากความร่วมมือระหว่าง IonQ และ Oak Ridge National Laboratory ได้แสดงให้เห็นถึงความสำเร็จในการนำ Generative AI มาใช้สร้างวงจรควอนตัมสำหรับการประมวลผลแบบไฮบริด เทคนิคนี้ช่วยแก้ปัญหาคอขวดในขั้นตอนการปรับแต่งพารามิเตอร์แบบลองผิดลองถูก ซึ่งมักสร้างความล่าช้าในการคำนวณที่ซับซ้อน และเปิดทางให้ระบบควอนตัมสามารถรองรับโจทย์ทางอุตสาหกรรมและวิทยาศาสตร์ขนาดใหญ่ได้ดีขึ้น
ระบบการทำงานแบบดั้งเดิมมักแบ่งปัญหาใหญ่ออกเป็นปัญหาย่อยๆ และต้องอาศัยวงจรควอนตัมเฉพาะสำหรับแต่ละส่วน นักวิจัยต้องเผชิญกับกระบวนการลองผิดลองถูกเพื่อปรับค่าตัวแปรจนกว่าจะได้ผลลัพธ์ที่เหมาะสม ซึ่งกระบวนการนี้กินเวลาและทรัพยากรคอมพิวเตอร์อย่างมหาศาลเมื่อปัญหาย่อยมีขนาดใหญ่ขึ้น การเข้ามาของ Generative AI จึงช่วยเข้ามาแทนที่กระบวนการปรับแต่งด้วยมนุษย์ ทำให้โมเดลสามารถเขียนคำสั่งวงจรที่จำเป็นได้ทันทีโดยไม่ต้องอาศัยการคาดเดา
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ทีมวิจัยได้เลือกใช้โครงสร้างสถาปัตยกรรมแบบ Transformer ซึ่งเป็นเทคโนโลยีเบื้องหลังโมเดลภาษาขนาดใหญ่ แต่ถูกปรับเปลี่ยนมาฝึกฝนด้วยตัวอย่างวงจรควอนตัมที่ประสบความสำเร็จจากการทดลองก่อนหน้า AI สามารถวิเคราะห์และทำนายโครงสร้างวงจรที่ดีที่สุดสำหรับปัญหาใหม่ๆ ได้ โดยโมเดลจะสร้างวงจรทางเลือกจำนวน 10 รูปแบบต่อหนึ่งปัญหาย่อย เพื่อนำไปจำลองและประเมินหาผลลัพธ์ที่แม่นยำที่สุด
ผลการทดสอบเปรียบเทียบระหว่างระบบดั้งเดิมและวิธีใหม่บนโจทย์ที่มีตัวแปรการตัดสินใจ 100 ตัวแปร ชี้ให้เห็นถึงความแตกต่างอย่างชัดเจน เมื่อขยายขนาดปัญหาย่อยจาก 4 ควิบิต เป็น 12 ควิบิต ระบบเดิมต้องใช้เวลาเพิ่มขึ้นจาก 34 วินาทีเป็นมากกว่า 11 นาที ในขณะที่วิธี Generative AI ใช้เวลาคงที่เพียงประมาณ 28 วินาทีเท่านั้น พร้อมทั้งให้ความแม่นยำที่เพิ่มขึ้นเป็นสองเท่าเมื่อเทียบกับขนาดปัญหาย่อยที่ใหญ่ขึ้น
การนำ Transformer มาประยุกต์ใช้ในงานคำนวณเชิงควอนตัมถือเป็นก้าวสำคัญที่สะท้อนถึงการบรรจบกันระหว่าง AI และปัญญาประดิษฐ์ยุคใหม่กับฮาร์ดแวร์ขั้นสูง การเปลี่ยนภาระการคำนวณจากมนุษย์มาสู่อัลกอริทึมช่วยลดความซับซ้อนในเชิงวิศวกรรม และทำให้การขยายขนาดระบบ (Scalability) เป็นไปได้จริงในระดับองค์กร
การศึกษานี้ดำเนินการผ่านเครื่องมือจำลองขั้นสูงบนระบบ Defiant2 ของ Oak Ridge Leadership Computing Facility โดยใช้ NVIDIA H200 GPU และแพลตฟอร์ม CUDA-Q เพื่อให้มั่นใจว่าการเปรียบเทียบมีความยุติธรรม การผสานพลังประมวลผลนี้ช่วยให้กระบวนการสร้างวงจรควอนตัมมีความเสถียรและเชื่อถือได้มากขึ้นสำหรับการใช้งานจริงในอนาคต
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น