Naš znanstvenik otkrio važnu tajnu moćnih računala budućnosti
![Naš znanstvenik otkrio važnu tajnu moćnih računala budućnosti](https://ip.index.hr/remote/bucket.index.hr/b/index/80553a97-f853-4e81-a5ba-12795ff0a4a1.jpg?width=765&height=402)
TIM ZNANSTVENIKA s Massachusetts Institute of Technologyja (MIT), pod vodstvom našeg uglednog znanstvenika Marina Soljačića, objavio je u prestižnom časopisu Science rad koji prvi put pokazuje kako je moguće kontrolirati kvantnu slučajnost.
Razvoj umjetne inteligencije traži moćnija računala
Ovaj uspjeh predstavlja važan korak u razvoju tzv. probabilističkih računala, odnosno p-računala, koja bi mogla imati važnu ulogu u budućnosti.
Razvoj umjetne inteligencije (AI) i strojnog učenja (ML) stvorio je veliku potrebu za većom hardverskom moći koja bi istovremeno bila energetski učinkovita i skalabilna.
Važna skalabilnost
Skalabilnost se odnosi na sposobnost sustava da poveća ili smanji učinkovitost i troškove rada u skladu s promjenama u zahtjevima za obradu aplikacija i sustava. Primjerice, to se odnosi na rad hardverskih sustava kada se poveća broj korisnika, na to koliko dobro baza podataka podnosi porast broja upita ili kako dobro operativni sustav radi na različitim klasama hardvera.
Skalabilnost je važna za funkcioniranje AI-ja i ML-a jer omogućuje sustavima da se prilagode promjenama u zahtjevima za obradu podataka. Kako se AI i ML tehnologije razvijaju i primjenjuju na sve više područja, potreba za skalabilnim sustavima postaje sve veća.
Skalabilnost je također važna jer omogućuje organizacijama da integriraju AI i ML tehnologije u svoje proizvode, usluge i poslovne procese na dubljoj i široj razini. To znači da se AI i ML mogu koristiti za rješavanje složenijih problema, za poboljšanje performansi i povećanje vrijednosti za poslovanje.
Važno donošenje odluka na temelju nepotpunih podataka
AI i ML tehnologije mogu analizirati velike količine podataka i identificirati obrasce i trendove koji mogu pomoći u donošenju odluka.
Za AI i ML ključna je sposobnost donošenja odluka na temelju nepotpunih podataka. Ona sustavima omogućuje da donose brze i učinkovite, a istovremeno informirane odluke čak i u situacijama kada su dostupni podaci ograničeni ili nepotpuni.
To je također važno jer omogućuje sustavima da se prilagode promjenama u okruženju. Na primjer, AI i ML tehnologije mogu se koristiti za predviđanje promjena na tržištu ili u ponašanju potrošača, što omogućuje tvrtkama da brzo reagiraju i prilagode svoje strategije. To znači da AI i ML mogu pomoći tvrtkama da ostanu konkurentne i uspješne čak i u dinamičnom poslovnom okruženju, a najbolji pristup za to je pridavanje određene vjerojatnosti svakom mogućem odgovoru.
Klasična računala, koja rade s bitovima, to ne mogu učiniti na energetski učinkovit način, što je dovelo do potrage za novim pristupima računarstvu.
Kvantna računala su osjetljiva i u ranoj fazi razvoja
S druge strane kvantna računala, koja rade s qubitima, mogu pomoći u rješavanju izazova koje postavljaju AI i ML, no ona su izuzetno osjetljiva na okruženje, moraju se držati na izuzetno niskim temperaturama i još su u ranim fazama razvoja.
Rješenje bi mogla biti p-računala
U takvoj situaciji brojni stručnjaci smatraju da bi probabilistička računala, odnosno p-računala mogla biti rješenje.
P-računala pokreću tzv. probabilistički bitovi, odnosno p-bitovi, koji djeluju u međusobnoj interakciji s drugim p-bitovima u istom sustavu. Za razliku od bitova u klasičnim računalima, koji mogu biti u stanju 0 ili 1, ili kvantnih qubita, koji istovremeno mogu biti u više od jednog stanja, probabilistički bitovi, odnosno p-bitovi fluktuiraju između dva položaja, a računala pritom rade na sobnoj temperaturi.
"P-računala između klasičnih i kvantnih"
Soljačić tumači da su p-bitna računala, odnosno p-računala u tom smislu u neku ruku "između" klasičnih i kvantnih računala.
"Dok u klasičnim računalima svaki bit ima vrijednost 0 ili 1, sa 100% vjerojatnosti, u p-računalima vrijednost svakog bita je 0 ili 1, ali s određenom vjerojatnošću", rekao je za Index Soljačić.
"Da biste izgradili bilo koje p-bitno računalo, potrebno je da svaki bit nekako implementirate probabilistički, s tim da vjerojatnost 0 i 1 možete kontrolirati. Na primjer, ako želite da vjerojatnost bude 50%, mogli biste bacati običan novčić. No on će uvijek imati vjerojatnost 50/50. Treba nam neki mehanizam da bismo tu vjerojatnost mogli dinamički postaviti kako god želimo, na primjer da bude 10/90 ili 30/70 ili slično", kaže Soljačić.
"U svom radu pokazali smo kako možemo kontrolirati kvantne fluktuacije i na taj način implementirati p-bit. No on se može implementirati i na druge načine, primjerice termalnim fluktuacijama, nije nužno da one budu kvantne", dodaje naš znanstvenik.
Kontroliranje fluktuacija u vakuumu
Soljačić kaže da je njegov tim u svojem novom radu kvantne fluktuacije u vakuumu kontrolirao laserom.
"To smo učinili vanjskim poljem pomoću lasera, čije osobine znamo. Time smo odredili vjerojatnost s kojom će određeni p-bit imati vrijednost 0 odnosno 1, što je jedna od nužnih karakteristika za funkcionalna p-računala", objasnio je Soljačić.
"P-računala mogu biti brža od klasičnih"
Pojasnio je i na koji način p-računala mogu biti od veće koristi od determinističkih, klasičnih.
"P-računala mogu neke algoritme izvoditi brže od klasičnih, uglavnom u poljima optimizacije, kompleksnih problema i nekih umjetnih neuralnih mreža", kaže Soljačić.
"Još najmanje 10-ak godina do kvantnih računala"
Zanimalo nas je zašto razvoj kvantnih računala zaostaje i kada procjenjuje da bi mogla doći u široku upotrebu.
"Kvantno računalo koje će uistinu moći efikasno rješavati određene probleme tehnološki je jako izazovno napraviti, pa je potreban dug tehnološki razvoj. Teško je točno procijeniti kada će kvantna računala biti općeprisutna u smislu da ćemo ih koristiti često i za rješavanje nekih jako bitnih problema koje bi inače bilo teško ili nemoguće riješiti klasičnim računalima. Rekao bih da će za to trebati barem 10-ak ili čak više godina", kaže Soljačić.
"P-računala bi mogla biti dostupna već kroz 5 godina"
Ističe da bi se p-računala mogla koristiti za određene probleme optimizacije i rješavanje kompleksnih problema.
"Ako se p-računala pokažu kao uistinu dobar pristup za dovoljan broj bitnih problema, rekao bih da će ih ljudi početi koristiti, barem u nekim laboratorijima, možda već kroz pet godina", kaže naš znanstvenik.
Što je sljedeći korak?
Soljačić najavljuje da će u sljedećem koraku sa svojim timom istraživati kako njihov konkretan pristup p-bit računalima može biti primijenjen za rješavanje specifičnih problema.
![](/Content/img/loader_40px.gif)
bi Vas mogao zanimati
Izdvojeno
Pročitajte još
bi Vas mogao zanimati