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 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：VentureBeat、ZDNet