新的量子算法破解了非线性方程,计算机能否代替人类成为「先知」?

曾经我们以为,无论计算机有多么强大,都不足以预测未来。现在这个想法很可能要被推翻了:计算机可能比人类更擅长成为「先知」。

新的量子算法破解了非线性方程,计算机能否代替人类成为「先知」?

在某些领域,计算机能够轻易地预测未来,例如像树汁是如何在树干中流动的这样简单、直观的现象可以被线性微分方程的几行代码所捕获。但在非线性零碎中,相互作用会影响到自身——当气流经过喷气机的机翼时,气流会改变分子相互作用,从而改变气流,循环往复。这种反馈循环会滋生混乱,即使是初始条件下的微小变化也会导致后来的举动产生巨大变化,从而使预测几乎不可能成功,无论计算机的算力如何。马里兰大学量子信息研讨员安德鲁 • 柴尔德斯(Andrew Childs)说:「这就是为什么天气难以预测、复杂的流体流动难以理解的原因之一。如果可以弄清楚这些非线性动力学,则可以解决一些棘手的计算课题。」这并非是一种空想,并且可能很快就会实现。在 11 月发表的独立研讨中,Childs 领导的团队和 MIT 的团队都描述了一个强大的工具,可以使量子计算机更好地对非线性动力学进行建模。与传统计算机相比,量子计算机能够利用量子现象更有效地执行某些特定的计算。正是由于具有这些功能,量子计算机得以使复杂的线性微分方程式被快速地推翻。长期以来,研讨职员一直希望他们可以通过巧妙的量子算法来解决非线性课题。尽管这两个研讨所利用的具体方式差异很大,但都利用了将非线性伪装成更易理解的线性近似集的一种新步骤。所以,现在有两种不同的利用量子计算机解决非线性课题的步骤。悉尼科技大学量子计算研讨员 MáriaKieferová 说:「这两篇论文的有趣之处在于,他们找到了一种机制,在给定一些假设的情况下,它们拥有高效的算法。这真的很令人兴奋,两项研讨都利用了非常巧妙的技法。」 「这就像教汽车飞行」十几年来,量子信息研讨职员一直尝试利用线性方程式作为解非线性微分方程式的关键却难有进展,最终在 2010 年有了突破。当时位于悉尼麦考瑞大学(Macquarie University)的多米尼克 · 贝里(Dominic Berry)建立了第一个用于在量子计算机上而不是传统计算机上的算法,以指数形式更快地求解线性微分方程。很快,贝瑞的工作重点也转移到了非线性微分方程上。Berry 说:「我们之前已经做过一些工作,但是效率非常低下。」 

新的量子算法破解了非线性方程,计算机能否代替人类成为「先知」?

马里兰大学的安德鲁 · 柴尔德斯(Andrew Childs)带领了两项研讨工作之一,使量子计算机能够更好地对非线性动力学建模。他的团队的算法利用称为「Carleman 线性化」的技术,将这些非线性零碎变成了一系列更易于理解的线性方程组。课题是,量子计算机所基于的物理学本质上是线性的。MIT 研讨的合著者 Bobak Kiani 说:「这就像教汽车飞行。」因此,诀窍是找到一种将数学上的非线性零碎转化为线性零碎的步骤。Childs 说:「我们希望拥有一些线性的零碎,因为这是我们工具箱所具有的功能。」 两个团队以两种不同方式做到了这一点。Childs 的团队利用了 1930 年代的一种过时的数学技术卡尔曼线性化(Carleman linearization),将非线性课题转换为线性方程组。不幸的是,方程组里的方程有无限个。研讨职员必须弄清楚他们可以从中删除哪些方程,以获得足够好的近似值。「停止在等式 10 上?还是等式 20?」 麻省理工学院的等离子体物理学家,马里兰研讨的合著者努诺 · 洛雷罗(Nuno Loureiro)说。该团队证明了在特定范围内的非线性方程,他们可以截断该无限方程组并求解方程。MIT 团队的论文采用了不同的步骤,将非线性课题建模为玻色–爱因斯坦凝聚态(Bose-Einstein condensate)。这是一种物质情态,接近绝对零度的粒子的组内相互作用导致了每个单独的粒子举动是相同的。由于粒子都是相互连接的,因此每个粒子的举动都会影响其余的粒子,并以非线性的循环特性反馈到该粒子。MIT 的步骤是利用玻色–爱因斯坦数学步骤将非线性和线性联系起来,从而在量子计算机上模拟了这种非线性现象。因此,通过将每个非线性课题分别想象成不同的伪玻色–爱因斯坦凝聚物,该算法推导出了有效的线性近似。「给我你最喜欢的非线性微分方程,我为你建立一个可以模拟它的玻色 – 爱因斯坦凝聚物,」汉诺威莱布尼兹大学量子信息科学家托比亚斯 · 奥斯本(Tobias Osborne)没有参与这两个研讨,他表示:「这是我真正喜欢的一个想法。」

新的量子算法破解了非线性方程,计算机能否代替人类成为「先知」?

由 MIT 领导的团队的算法将任何非线性课题建模为玻色–爱因斯坦冷凝物,这是一种奇特的物质情态,其中相互连接的粒子的举动均相同。Berry 认为这两篇论文在不同方面都很重要(他没有参与其中的任何一篇)。他说:「但最终,它们的重要性表明,有可能利用这些步骤获得非线性举动。」 了解自己的极限 尽管这些成果很重要,但它们仍只是破解非线性零碎的第一步。在实现这些步骤所需的硬件成为现实之前,更多研讨可能聚焦分析和完善每种步骤。Kieferová 说:「有了这两种算法,我们真的可以展望未来了。」但要想利用它们来解决实际的非线性课题,就需要具有数千个量子比特的量子计算机来最大程度地减少误差和噪声,而这远远超出了现有的可能性。 同时,这两种算法实际上只能处理轻度非线性课题。马里兰州的研讨准确地量化了可以处理多少非线性的新参数 R,R 代表了课题的非线性与其线性的比率,即课题趋于非线性的趋势与将零碎保持在轨道上的摩擦力。「Childs 的研讨在数学上是很严格的,包括什么时候是可以用、什么时候不可以用。」Osborne 说 「我认为这确实非常有趣,这是核心的贡献。」根据 Kiani 的说法,由 MIT 领导的研讨并未严格证明任何限制其算法的定理。但是该小组计划通过在量子计算机上运行小规模测试来进一步了解算法的局限性,然后再处理更具挑战性的课题。两种技术给我们带来的最重要的警示是,量子解决方案从根本上不同于经典解决方案。量子情态对应的是概率,而不是绝对值,比如你无需观察喷气机机身各个部分周围的气流,而是获取平均速度或检测停滞的空气。Kiani 说:「结果属于量子力学的这一事实意味着,之后仍然需要做很多工作来分析这种情态。」研讨职员势必在未来五到十年内,针对实际课题测试出许多成功的量子算法,但重要的是不要过度承诺量子计算机可以做什么。Osborne 说:「我们将尝试各种事情。而且,如果我们去考虑局限性,那可能会限制我们的创造力。」原文链接:https://www.quantamagazine.org/new-quantum-algorithms-finally-crack-nonlinear-equations-20210105/

原创文章,作者:机器之心,如若转载,请注明出处:https://www.iaiol.com/news/xin-de-liang-zi-suan-fa-po-jie-le-fei-xian-xing-fang-cheng/

(0)
上一篇 2021年 1月 12日 下午2:49
下一篇 2021年 1月 15日 下午5:01

相关推荐

  • 带你读论文 | 端到端语音辨别模型

    编者按:过去十年,得益于人工智能与机器学习的突破、算法与硬/软件能力的进步,以及拥有既多样又大量的语音数据库,用以训练多参数的、大规模的语音辨别与合成模型,使得语音处理技术获得飞跃性进展。

    2020年 11月 18日
  • Deadline提前,引入转动审稿,想投ACL 2022的同学要抓紧了

    新一年的 ACL 投稿新增了转动审稿阶段,请留意停止日期。

    2021年 8月 4日
  • 开源!港中文、MIT、复旦提出首个RNA基石模型

    本文中 RNA-FM 模型的出现一定程度上缓解了 RNA 带标注数据紧张的现状,为其他钻研者提供了访问大批量无标签数据的便捷接口。并且,该模型将以 RNA 范围基础模型的身份,为该范围的各种各样的钻研提供强有力的支援与帮助。

    2022年 7月 16日
  • 腾讯朱雀实验室推出代码防护技巧Deep Puzzling,让代码更难被猜透

    随着AI技巧与网络安全结合得越来越紧密,鉴于AI技巧的网络攻防手段也在日益更替。11月26日,全球顶级的信息安全峰会HITB+Cyberweek 2021于近日举办,腾讯朱雀实验室专家钻研员Jifeng Zhu和钻研员Keyun Luo受邀参加,并进行了题为《Deep Puzzling: Binary Code Intention Hiding based on AI Uninterpretability》(《鉴于AI不可解释性的二进制代码用意躲藏》)的议题分享。会上,腾讯朱雀实验室展示了如何行使AI模型的特性,实

    2021年 11月 27日
  • 如何向大模型注入学问?达摩院通义对话模型SPACE系列探索

    如何将人类先验学问低成本融入到预训练模型中一直是个难题。达摩院对话智能团队提出了一种鉴于半监视预训练的新训练方式,将对话领域的少量有标数据和海量无标数据一起从事预训练,从而把标注数据中蕴含的学问注入到预训练模型中去,打造了 SPACE 1/2/3 系列模型。SPACE-1:注入对话计谋学问,AAAI 2022 长文录用;SPACE-2:注入对话明白学问,COLING 2022 长文录用,并获 best paper award 推荐;SPACE-3:集对话明白 + 对话计谋 + 对话天生于一体的模型, SIGIR 2

    2022年 10月 11日
  • 陈怡然、刘学等多位华人学者当选,ACM SIG新任主席名单出炉

    近日,ACM SIG 新一届选举结果出炉,多位华人学者当选SIG主席。

    2021年 6月 16日
  • AI可诠释性及其在蚂蚁保险平安规模的运用简介

    可诠释性有关算法作为蚂蚁集团提出的“可托AI”技术架构的重要组成部分,已大量运用于蚂蚁集团保险平安风控的风险鉴别、欺诈举报审理等场景,取得了一些阶段性的成果。本系列文章,我们将以风控规模详细运用为例,尤其关注规模大师履历和机械进修要领的交互结合,介绍蚂蚁集团特点可诠释、图可诠释、逻辑可诠释等算法方案的探索和落地。大师点评:沈超 西安交通大学教授、网络空间保险平安学院副院长AI可诠释性是可托AI的重要组成部分,已成为野生智能规模的研究热点。可诠释性有助于用户了解系统的决议逻辑并建立信任,从而

    2022年 4月 24日
  • 中国队喜提六枚金牌,实现IMO团队三连冠:王一川拿下全场唯一满分

    在 IMO 2021 的赛场上,中国队又一次实现了「全员金牌」并喜提冠军,来自华师大二附中的选手王一川更是取得了全场唯一的满分问题。

    2021年 7月 26日
  • 道阻且长,行则将至 | 安远AI x 机器之心系列讲座圆满结束

    历时一个月,安远AI与机器之心联合举办的「迈向危险、靠得住、可控的人工智能」六场系列讲座圆满结束,我们邀请了全球顶尖人工智能机构专家分享强化学习、预训练大模型、通用人工智能等内容。这六位专家分享了他们的真知灼见,并对人工智能与人类的将来展现出忧虑与希望:第1期:「寻找AGI的危险路径 」不精确的微调或方针的错误泛化可能会导致AGI追求一个不精确的方针。如果足够智能,这种未对齐(unaligned)的AGI将导致灾难性的前因。 —DeepMind研讨科学家Rohin Shah第2期:「人类与AI的

    2022年 8月 9日

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注