在一個新的教程中,谷歌的研究人員演示了如何使用量子計算技術(shù)對由單個光子照射的28像素乘28像素的圖像進行分類。通過改變光子的量子態(tài),他們表明他們能夠在流行的手寫數(shù)字MNIST語庫上實現(xiàn)“至少”41.27%的精度——比傳統(tǒng)計算方法提高了21.27%。
谷歌已經(jīng)證明了量子計算也能解決傳統(tǒng)機器學習中的圖像分類問題,而且隨著技術(shù)發(fā)展,量子計算機將在在學習能力上超越經(jīng)典的神經(jīng)網(wǎng)絡(luò)。
另外量子計算還能解決經(jīng)典網(wǎng)絡(luò)中一些棘手問題,比如預防出現(xiàn)模型訓練中的梯度消失問題。
工作研究人員說,這是為了說明量子力學教科書可以揭示人工智能問題,認為最大的可實現(xiàn)的分類精度,如果一個算法必須做出決定后發(fā)現(xiàn)第一個“量子”的光(即光子)通過液晶屏幕顯示一個圖像從一個數(shù)據(jù)集。MNIST,最經(jīng)典的計算可以完成的是檢測一個落在圖像像素上的光子,然后通過將每張圖像的亮度重調(diào)到一個單位和來從光強分布中猜測數(shù)字。
MNIST 對于機器學習研究者來說再熟悉不過了,它是一個由 Yann Lecun 等人創(chuàng)建的手寫數(shù)字圖像數(shù)據(jù)集,包含訓練集和測試集,訓練集包含 60000 個樣本,測試集包含 10000 個樣本(在 2019 年又增加了 50000 個測試集樣本)。
研究人員的量子力學方法使用分光器、移相器和其他光學元件來創(chuàng)建一個類似全息圖的推理模式。光子降落的推理模式區(qū)域可以用于圖像分類,說明沒有必要同時照亮多個光子以產(chǎn)生干擾。
研究人員寫道:“從概念上講,利用干擾來提高量子實驗產(chǎn)生所尋求結(jié)果的可能性,是所有量子計算的基本理念。”“除了為量子和機器學習專家提供一個簡單易懂的玩具問題之外,這個簡單量子/簡單機器學習角也可能對在一個更容易理解的設(shè)置中教授測量過程的物理很有興趣。”
有人預測,量子計算將在人工智能和機器學習領(lǐng)域取得重大進展。例如,去年3月,IBM、MIT和牛津大學的研究人員在《自然》雜志上發(fā)表了一篇論文,聲稱隨著量子計算機變得更加強大,它們將能夠進行特征映射。在高度復雜的數(shù)據(jù)結(jié)構(gòu)上,將數(shù)據(jù)分解成非冗余的特性,這是傳統(tǒng)計算機無法做到的。然后,研究人員將能夠開發(fā)出更有效的人工智能,例如,能夠識別經(jīng)典計算機看不到的數(shù)據(jù)模式。
“機器學習和量子計算這兩項技術(shù)都有可能改變計算的執(zhí)行方式,以解決以前無法解決的問題,”《自然》雜志論文的合著者寫道。量子算法提供的計算加速的一個核心要素是通過可控的糾纏和干涉來開發(fā)指數(shù)級大的量子狀態(tài)空間。
在現(xiàn)代科技中,量子力學和機器學習都發(fā)揮著重要作用,量子計算的 AI 應用這一新興領(lǐng)域很有可能幫助許多學科實現(xiàn)重大突破。然而,目前大多數(shù)機器學習從業(yè)者對量子力學還沒有透徹的了解,多數(shù)量子物理學家對機器學習的理解也非常有限。因此,找到一些二者都能理解的問題非常重要,這些問題既要包含簡單且被廣泛理解的機器學習思想,也要包含類似的量子力學思想。
全息技術(shù)可能是量子計算的關(guān)鍵
研究光的突破可能就是量子計算未來的入場券。利用電子和光之間相互作用的量子性質(zhì),以能量而不是空間來分離光束——這使得他們可以利用光脈沖加密電子波的信息,并用高速電子顯微鏡對其進行映射。
攝影測量不同顏色的光照射攝影膠片的程度。然而,光也是波,因此以相為特征。相位指定波周期內(nèi)點的位置并與信息深度相關(guān),這意味著記錄物體散射的光的相位可以檢索其完整的3D形狀,這是通過簡單照片無法獲得的。這是光學全息術(shù)的基礎(chǔ),在星球大戰(zhàn)等科幻電影中由花哨的全息展示。
目前,微美全息為中國領(lǐng)先的全息云綜合技術(shù)方案提供商之一,公司提供從全息視覺AI合成與呈現(xiàn)、全息互動軟件開發(fā)、全息AR廣告投放、全息AR SDK支付、5G全息通訊軟件開發(fā)到全息人臉識別等全息AR技術(shù)的一站式服務,商業(yè)應用場景主要聚集在家用娛樂、光場影院、演藝系統(tǒng)、商業(yè)發(fā)布系統(tǒng)及廣告展示系統(tǒng)等五大專業(yè)領(lǐng)域。
在招股書里顯示,隨著5G全息通訊網(wǎng)絡(luò)帶寬條件變化,5G全息應用市場將迎來爆發(fā),全息互動娛樂、全息會議、全息發(fā)布會等高端應用逐步向全息社交、全息通訊、全息導航、全息家庭應用等方向普及。微美全息云計劃基于全息AI人臉識別技術(shù)和全息AI人臉換臉技術(shù)為核心技術(shù),用多個技術(shù)創(chuàng)新的系統(tǒng)支持全息云平臺服務和5G通訊全息應用。
目前,傳統(tǒng)的全息術(shù)可以通過測量光從物體不同部分傳播的距離差異來提取3D信息,但這需要來自不同方向的額外參考光束來測量兩者之間的干擾。這個概念與電子相同,但由于波長短得多,我們現(xiàn)在可以獲得更高的空間分辨率。例如,我們能夠通過使用超短電子脈沖形成全息圖來記錄快速移動物體的全息電影。
除了量子計算之外,與替代方案相比,該技術(shù)具有最高的空間分辨率,并且可能改變我們在日常生活中對光的思考方式。到目前為止,科學和技術(shù)僅限于自由傳播光子,用于宏觀光學設(shè)備,新的全息技術(shù)讓我們可以看到納米級光線會發(fā)生什么,這是小型化和將光器件集成到集成電路上的第一步。
提到5G網(wǎng)絡(luò),與4G時代不同,將具有更高速率、更低時延和海量的連接。較4G提升數(shù)十倍的速度、低于1ms的低時延、全球超過500億臺設(shè)備相互連接。以此,也建立了超寬帶移動通信(eMBB)、超低延時通信(uRLLC)、海量物連(mMTC)三大5G應用場景。正是基于這三大場景讓5G時代催生了更多AR全息、無人駕駛和遠程醫(yī)療、萬物互連等市場的應用。從人與人的交互,轉(zhuǎn)變成物與物的溝通,實現(xiàn)電信級的蜂窩物聯(lián),或?qū)⒁l(fā)人類社會的一場新變革。
通信行業(yè)專家指出,射頻在5G手機的設(shè)計中尤為關(guān)鍵。4G手機最大的制造成本在屏幕與處理器,但5G手機最大的成本或許會轉(zhuǎn)向整套的射頻方案。市場調(diào)查機構(gòu)Navian預測,2020年僅移動終端中射頻前端芯片的市場規(guī)模將達到212億美元,年復合增長率達15.4%。5G時代將有更多的頻段資源被投入使用,多模多頻使得射頻前端的芯片需求增加,同時Massive MIMO、波束成形、載波聚合、毫米波等關(guān)鍵技術(shù)也將助長射頻前端芯片需求增加這一趨勢,直接推動射頻前端芯片市場成長。
5G帶來的超寬帶高速傳輸能力和低時延,可以解決VR/AR渲染能力不足、互動體驗不強、終端移動性差和眩暈等痛點問題。
在普及AR的過程中,5G的優(yōu)勢主要體現(xiàn)在三個方面:更高的容量,更低的延遲和更好的網(wǎng)絡(luò)均勻性。
當網(wǎng)絡(luò)時延降低至毫秒級時,由于運動狀態(tài)與視覺系統(tǒng)不一致造成的不適感將不復存在,因此5G網(wǎng)絡(luò)的商用將使AR在傳輸方面的屏障將被打通,困擾AR技術(shù)在移動端應用的問題將會迎刃而解,AR/VR生態(tài)圈日趨成熟,將伴隨5G迎來新的發(fā)展機會。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
