Quantum AI는 여전히 엔터프라이즈 황금 시간대에서 몇 년 전입니다.

퀀텀 컴퓨팅의 AI 혁신 잠재력은 적절한 도구, 기술 및 플랫폼이 풍부한 개발자 생태계의 성장에 달려 있습니다. 엔터프라이즈 프로덕션 배포를 위해 준비된 것으로 간주 되려면 양자 AI 산업이 최소한 다음과 같은 주요 이정표에 도달해야합니다.

  • 양자 컴퓨팅이 AI 구축 및 훈련에 대한 기존 접근 방식보다 분명한 이점이있는 매력적인 애플리케이션을 찾아보십시오.
  • 양자 AI를 구축, 교육 및 배포하기 위해 널리 채택 된 오픈 소스 프레임 워크에 수렴하십시오.
  • 양자 AI 애플리케이션의 실질적이고 숙련 된 개발자 에코 시스템을 구축합니다.

이 이정표는 모두 적어도 몇 년은 미래에 있습니다. 다음은 현재 양자 AI 산업의 성숙도에 대한 분석입니다.

양자 컴퓨팅이 분명한 이점이있는 강력한 AI 애플리케이션의 부족

Quantum AI는 ML (머신 러닝), DL (딥 러닝) 및 기타 데이터 기반 AI 알고리즘을 합리적으로 잘 실행합니다.

접근 방식으로 양자 AI는 개념 증명 단계를 훨씬 넘어 섰습니다. 그러나 이는 양자 접근 방식이 AI의 추론 및 훈련 워크로드가 의존하는 매트릭스 작업을 실행하기위한 기존 접근 방식보다 우수하다고 주장 할 수있는 것과는 다릅니다.

AI와 관련하여 핵심 기준은 양자 플랫폼이 전적으로 고전적인 폰 노이만 아키텍처를 기반으로 구축 된 컴퓨터보다 ML 및 DL 워크로드를 더 빠르게 가속화 할 수 있는지 여부입니다. 지금까지 양자 컴퓨터가 기존 대안보다 더 잘 수행 할 수있는 특정 AI 애플리케이션은 없습니다. 양자 AI를 성숙한 엔터프라이즈 기술로 선언하려면 이러한 워크로드를 처리하는 기존 접근 방식에 비해 속도, 정확성, 효율성과 같은 명확한 이점을 제공하는 AI 애플리케이션이 최소한 몇 개는 있어야합니다.

그럼에도 불구하고 양자 AI의 선구자들은 기능적 처리 알고리즘을 양자 컴퓨팅 아키텍처의 수학적 속성에 맞추 었습니다. 현재 양자 AI에 대한 주요 알고리즘 접근 방식은 다음과 같습니다.

  • 진폭 인코딩 : 양자 상태 진폭을 ML 및 DL 알고리즘에 의해 수행되는 계산의 입력 및 출력과 연결합니다. 진폭 인코딩은 복잡한 다차원 변수의 기하 급수적으로 압축 된 표현을 지원하는 통계 알고리즘을 허용합니다. 최소 제곱 선형 회귀, 지원 벡터 머신의 최소 제곱 버전 및 가우시안 프로세스와 같은 선형 방정식 시스템을 해결하기 위해 통계적 ML 모델 훈련이 감소하는 행렬 반전을 지원합니다. 개발자는 진폭이 전체 데이터 세트의 특징을 반영하는 상태에서 양자 시스템을 초기화해야하는 경우가 많습니다.
  • 진폭 증폭 : 특정 출력 값을 생성하는 블랙 박스 함수에 대한 고유 입력을 높은 확률로 찾는 알고리즘을 사용합니다. 진폭 증폭은 k- 중앙값 및 k- 최근 접 이웃과 같은 구조화되지 않은 검색 작업으로 변환 될 수있는 ML 알고리즘에 적합합니다. 이는 상태의 양자 중첩 및 상태 측정으로 인한 파동 함수의 붕괴에 내재 된 것과 같이 상태 간의 확률 적 전환에서 임의성이 발생하는 임의 걷기 알고리즘을 통해 가속화 될 수 있습니다.
  • 양자 어닐링 : 주어진 후보 함수 세트에 대한 머신 러닝 함수의 로컬 최소값과 최대 값을 결정합니다. 이는 양자 ML 시스템의 가능한 모든 동일 가중치 상태의 중첩에서 시작됩니다. 그런 다음 선형, 편미분 방정식을 적용하여 양자 기계 시스템의 시간 진화를 안내합니다. 그것은 결국 운동 에너지와 양자 시스템의 기저 상태와 관련된 잠재적 에너지의 합에 해당하는 Hamiltonian으로 알려진 순간 연산자를 산출합니다.

이러한 기술을 활용하여 일부 현재 AI 구현은 오토 인코더, GAN (생성 적대 네트워크) 및 강화 학습 에이전트와 같은 일부 계산 워크로드에서 코 프로세서로 양자 플랫폼을 사용합니다.

양자 AI가 성숙함에 따라, 우리는 고도로 다차원적인 문제 영역과 다중 모드 데이터 세트에서 작동하는 복잡한 확률 계산을 포함하는 AI 그랜드 과제에 적용될 때 이러한 알고리즘과 기타 알고리즘 접근 방식이 분명한 이점을 보여줄 것이라고 예상해야합니다. 양자 강화 접근 방식으로 이어질 수있는 지금까지 다루기 힘든 AI 과제의 예로는 신경형인지 모델, 불확실성 추론, 복잡한 시스템 표현, 협업 문제 해결, 적응 형 기계 학습 및 훈련 병렬화가 있습니다.

그러나 양자 라이브러리, 플랫폼 및 도구가 이러한 특정 과제에 대해 스스로를 입증하더라도 엔드 투 엔드 머신 러닝 파이프 라인 내의 고전적인 AI 알고리즘 및 기능에 여전히 의존 할 것입니다.

널리 채택 된 오픈 소스 모델링 및 교육 프레임 워크 부족

양자 AI가 강력한 엔터프라이즈 기술로 성숙하려면 이러한 애플리케이션을 개발, 교육 및 배포하기위한 지배적 인 프레임 워크가 필요합니다. Google의 TensorFlow Quantum은 이와 관련하여 승률이 가장 좋아하는 제품입니다. 지난 3 월에 발표 된 TensorFlow Quantum은 널리 채택 된 TensorFlow 오픈 소스 AI 라이브러리 및 모델링 프레임 워크를 확장하는 새로운 소프트웨어 전용 스택입니다.

TensorFlow Quantum은 오늘날의 AI 전문가가 사용하는 주요 모델링 프레임 워크 중 하나로 광범위한 양자 컴퓨팅 플랫폼에 대한 지원을 제공합니다. Google의 X R & D 부서에서 개발 한이 제품은 데이터 과학자가 Python 코드를 사용하여 표준 Keras 함수를 통해 양자 ML 및 DL 모델을 개발할 수 있도록합니다. 또한 기존 TensorFlow API와 호환되는 양자 회로 시뮬레이터 및 양자 컴퓨팅 기본 요소 라이브러리를 제공합니다.

개발자는 TensorFlow Quantum을 사용하여 양자 분류, 양자 제어 및 양자 근사치 최적화와 같은 AI 사용 사례에 대한지도 학습을 할 수 있습니다. 메타 학습, 해밀턴 학습 및 열 상태 샘플링과 같은 고급 양자 학습 작업을 실행할 수 있습니다. 프레임 워크를 사용하여 하이브리드 양자 / 클래식 모델을 훈련하여 딥 페이크, 3D 프린팅 및 기타 고급 AI 애플리케이션에 사용되는 GAN의 핵심에서 차별적 워크로드와 생성 적 워크로드를 모두 처리 할 수 ​​있습니다.

양자 컴퓨팅이 충분한 정확도로 전체 AI 워크로드를 처리 할 수있을만큼 충분히 성숙하지 않았 음을 인식 한 Google은 기존 컴퓨팅 아키텍처에서 한 발로 많은 AI 사용 사례를 지원할 수있는 프레임 워크를 설계했습니다. TensorFlow Quantum을 사용하면 개발자가 학습 작업에서 양자 및 클래식 프로세서의 실행을 병렬로 하이브리드 화하는 ML 및 DL 모델의 프로토 타입을 신속하게 만들 수 있습니다. 이 도구를 사용하여 개발자는 TensorFlow에서 기본적으로 처리되는 클래식 데이터와 양자 회로와 양자 연산자로 구성된 양자 데이터를 처리하는 양자 확장으로 클래식 및 양자 데이터 세트를 모두 구축 할 수 있습니다.

Google은 ML 모델 처리를위한 대체 양자 컴퓨팅 아키텍처 및 알고리즘에 대한 고급 연구를 지원하기 위해 TensorFlow Quantum을 설계했습니다. 따라서 ML 워크로드에 최적화 된 다양한 양자 및 하이브리드 처리 아키텍처를 실험하는 컴퓨터 과학자에게 새로운 제품이 적합합니다.

이를 위해 TensorFlow Quantum은 양자 컴퓨터 프로그래밍을위한 오픈 소스 Python 라이브러리 인 Cirq를 통합합니다. 오늘날 양자 시스템의 특징 인 NISQ (Noisy Intermediate Scale Quantum) 회로를 구성하는 양자 게이트의 프로그래밍 방식 생성, 편집 및 호출을 지원합니다. Cirq를 사용하면 개발자가 지정한 양자 계산을 시뮬레이션 또는 실제 하드웨어에서 실행할 수 있습니다. 이는 양자 계산을 TensorFlow 계산 그래프 내에서 사용하기 위해 텐서로 변환하여 수행합니다. TensorFlow Quantum의 필수 구성 요소 인 Cirq는 양자 회로 시뮬레이션 및 일괄 회로 실행은 물론 자동화 된 기대치 및 양자 기울기 추정을 가능하게합니다. 또한 개발자는 NISQ 시스템을위한 효율적인 컴파일러, 스케줄러 및 기타 알고리즘을 구축 할 수 있습니다.

이제 양자 처리를 하이브리드화할 수있는 전체 AI 소프트웨어 스택을 제공하는 것 외에도 Google은 TensorFlow Quantum이 양자 ML을 시뮬레이션 할 수있는보다 전통적인 칩 아키텍처의 범위를 확장하려고합니다. Google은 또한 도구가 지원하는 맞춤형 양자 시뮬레이션 하드웨어 플랫폼의 범위를 확장하여 다양한 공급 업체의 그래픽 처리 장치와 자체 Tensor Processing Unit AI 가속기 하드웨어 플랫폼을 포함 할 계획을 발표했습니다.

구글의 최근 발표는 빠르게 변화하지만 아직 미성숙 한 양자 컴퓨팅 시장에 도착합니다. 가장 인기있는 오픈 소스 AI 개발 프레임 워크를 확장함으로써 Google은 광범위한 AI 관련 이니셔티브에서 TensorFlow Quantum 사용을 거의 확실히 촉진 할 것입니다.

그러나 TensorFlow Quantum은 이미 여러 오픈 소스 양자 AI 개발 및 교육 도구가있는 시장에 출시됩니다. Google의 제품과 달리 이러한 경쟁 양자 AI 도구는 전체 작업 애플리케이션을 구축하기위한 대규모 개발 환경, 클라우드 서비스 및 컨설팅 패키지의 일부로 제공됩니다. 다음은 세 가지 풀 스택 양자 AI 제품입니다.

  •  2019 년 11 월에 발표 된 Azure Quantum은 양자 컴퓨팅 클라우드 서비스입니다. 현재 비공개 미리보기로 제공되며 올해 후반에 일반 공급 될 예정인 Azure Quantum은 Microsoft에서 개발 한 양자 지향 Q # 언어와 Python, C # 및 기타 언어를위한 Microsoft 오픈 소스 Quantum Development Kit와 함께 제공됩니다. 키트에는 ML, 암호화, 최적화 및 기타 도메인에서 양자 앱 개발을위한 라이브러리가 포함되어 있습니다.
  • 2019 년 12 월에 발표되었으며 아직 미리보기로 제공되는 Amazon Braket은 완전 관리 형 AWS 서비스입니다. ML을 포함한 양자 알고리즘을 구축하고 시뮬레이션 된 하이브리드 양자 / 클래식 컴퓨터에서 테스트 할 수있는 단일 개발 환경을 제공합니다. 이를 통해 개발자는 다양한 하드웨어 아키텍처에서 ML 및 기타 양자 프로그램을 실행할 수 있습니다. 개발자는 Amazon Braket 개발자 도구 키트를 사용하여 양자 알고리즘을 만들고 Jupyter 노트북과 같은 익숙한 도구를 사용합니다.
  • IBM Quantum Experience는 퀀텀 애플리케이션의 팀 탐색을위한 무료 공개 클라우드 기반 환경입니다. 개발자는 AI 및 기타 양자 프로그램을 학습, 개발, 훈련 및 실행하기 위해 고급 양자 컴퓨터에 액세스 할 수 있습니다. 여기에는 양자 컴퓨터를위한 AI, 시뮬레이션, 최적화 및 재무 애플리케이션을 실험하기위한 교차 도메인 양자 알고리즘 라이브러리가있는 오픈 소스 개발자 도구 인 IBM Qiskit이 포함됩니다.

TensorFlow Quantum의 채택은 이들 및 기타 양자 AI 풀 스택 공급 업체가이를 솔루션 포트폴리오에 통합하는 정도에 따라 달라집니다. 이러한 모든 클라우드 공급 업체가 이미 각각의 AI 스택에서 TensorFlow를 지원하는 정도를 고려할 때 그럴 가능성이 높습니다.

TensorFlow Quantum은 앞으로 양자 AI SDK 필드를 모두 보유 할 필요는 없습니다. 다른 오픈 소스 AI 프레임 워크 (특히 Facebook에서 개발 한 PyTorch)는 데이터 과학자의 마음과 정신을 위해 TensorFlow와 경쟁하고 있습니다. 하나는 경쟁 프레임 워크가 향후 12 ~ 18 개월 동안 양자 AI 라이브러리 및 도구로 확장 될 것으로 예상합니다.

이와 관련하여 선구적인 벤더를 고려하면 떠오르는 멀티 툴 양자 AI 산업을 엿볼 수 있습니다. Xanadu의 PennyLane은 하이브리드 양자 / 클래식 플랫폼에서 실행되는 AI 용 오픈 소스 개발 및 교육 프레임 워크입니다.

2018 년 11 월에 출시 된 PennyLane은 양자 ML, 자동 차별화 및 하이브리드 양자 클래식 컴퓨팅 플랫폼의 최적화를위한 크로스 플랫폼 Python 라이브러리입니다. PennyLane은 TensorFlow, PyTorch 및 NumPy를 포함한 기존 AI 도구를 사용하여 양자 회로의 신속한 프로토 타이핑 및 최적화를 지원합니다. 기기 독립적이므로 동일한 양자 회로 모델을 Strawberry Fields, IBM Q, Google Cirq, Rigetti Forest SDK, Microsoft QDK 및 ProjectQ를 포함한 다른 소프트웨어 및 하드웨어 백엔드에서 실행할 수 있습니다.

실질적이고 숙련 된 개발자 에코 시스템의 부족

킬러 앱과 오픈 소스 프레임 워크가 성숙함에 따라이 기술을 일상적인 애플리케이션에 적용하는 혁신적인 작업을 수행하는 숙련 된 양자 AI 개발자의 강력한 에코 시스템을 촉매 할 것입니다.

점점 더 양자 AI를위한 개발자 생태계의 성장을 목격하고 있습니다. 각 주요 양자 AI 클라우드 공급 업체 (Google, Microsoft, Amazon Web Services 및 IBM)는 개발자 커뮤니티를 확대하는 데 막대한 투자를하고 있습니다. 이와 관련하여 공급 업체 이니셔티브에는 다음이 포함됩니다.