IBM開放測試Qiskit服務 現可用量子運算加速機器學習訓練

IBM上周開放測試開原碼量子軟體服務Qiskit機器學習(Qiskit Machine Lieaning),希望吸引更多開發人員開始嘗試使用量子運算。

IBM上周開放測試開原碼量子軟體服務Qiskit機器學習(Qiskit Machine Lieaning),希望吸引更多開發人員開始嘗試使用量子運算。

IBM看好量子電腦在一些特殊任務上分攤傳統運算系統的工作。其中,IBM認為AI和機器學習是量子電腦最有潛力切入的領域。例如他們相信量子運算可幫助加速縮短機器學習模型的訓練時程。IBM認為可以某些應用情境下訓練速度可提升100倍。

為了推動量子運算,去年IBM公佈開原量子程式編寫架構Qiskit,現在開放開發人員上IBM雲端量子運算平台測試Qiskit服務。Qiskit應用團隊指該服務下的多模組旨在以量子電腦最佳化機器學習。

機器學習可從大量資料中尋找出規則和關聯,最終發現計算出解決某項問題的答案。因此研究人員希望找到可最佳化模型的軟體,這需要把大量且高品質的資料餵進這個軟體,但這過程牽涉很高成本及很長的訓練時間。

量子運算可以加速訓練機器學習模型。但是對熟悉機器學習的開發人員來說,量子運算也是一個極困難領域。更別說,以量子運算計算極大量資料,會大幅增加所謂特徵空間(feature space),即餵進模型的資料的各種特徵,例如人的「性別」或「年齡」。大量資料集導入與輸出量子電腦時,可能不會增加時間而減損量子計算的效果。

因此IBM為Qiskit加入一個新模組,以方便開發人員即使不懂量子運算,也能設計模型原型。例如Qiskit Machine Learning提供的QuantumKernel工具,可以將資料集的核心矩陣(kernel matrices)轉為量子框架,這是將資料從屬性空間投射到極高維度的特徵空間(feature spaces)的第一步,藉此提高機器學習模型的精準度。

這項模組也供多種量子神經網路的實作,以及供開發人員訓練的學習演算法,幫助他們可建構及測試自有神經網路。最後,Qiskit Machine Learning也允許開發人員將量子神經網路整合到PyTorch開原碼機器學習函式庫。PyTorch函式庫原為臉書開發的平台,主要用於電腦視覺和神經語言處理任務。

Qiskit小組指出,量子機器學習並非要取代傳統運算,而是可合併使用,大量運算任務(如模型訓練)交給量子電腦,將訓練出的模型交給傳統應用。

IBM指出,開發人員可以在Qiskit上建立量子機器學習模型,完成後在傳統伺服器,或是在IBM量子系統上測試演算法。第一個版本的Qiskit Machine Learning提供模型供開發人員選擇,但因為平台上已有PyTorch函式庫,IBM也鼓勵開發人員一起投入使模型更為豐富。

來源:VentureBeatZDNet

關於我們

自1990年創刊UXmaster雜誌,1991年獲得美國LAN Magazine獨家授權中文版,2006年獲得CMP Network Computing授權,2009年合併CMP Network Magazine獨家授權中文版,2014年轉型為《網路資訊》雜誌網站,為台灣中小企業協助技術領導者落實企業策略,了解網路規劃及應用,為企業網路應用、管理、MIS、IT人員必備之專業雜誌網站。


與我們聯絡

加入《網路資訊》雜誌社群

© Copyright 2017 本站版權所有,禁止任意轉載 網路資訊雜誌 / 心動傳媒股份有限公司 聯絡電話:+886 2 29432416