Ich bin mir sicher, dass der Quantenhype jeden Menschen in der Technik erreicht hat (und höchstwahrscheinlich außerhalb). Mit einigen übertriebenen Behauptungen, wie „ein Unternehmen hat sich als Quantenvorherrschaft erwiesen“, „ist die Quantenrevolution hier“ oder mein Favorit, „Quantencomputer sind hier, und es wird klassische Pc veraltet.“ Ich werde ehrlich zu dir sein; Die meisten dieser Behauptungen sind als Advertising -Übertreibung gedacht, aber ich bin mir ganz sicher, dass viele Menschen glauben, dass sie wahr sind.
Das Downside hier ist nicht, ob diese Behauptungen korrekt sind oder nicht, sondern als ML- und KI -Fachleute, die mit dem Schritt halten müssen, was im Tech -Bereich passiert, sollten Sie sich, wenn überhaupt, um Quantum Computing kümmern?
Da ich vor einem Quantum Computing -Forscher zuerst Ingenieur bin, dachte ich, diesen Artikel zu schreiben, um allen in der Datenwissenschaft eine Schätzung zu geben, wie sehr sie sich wirklich für Quantum Computing interessieren sollten.
Jetzt verstehe ich, dass einige ML- und KI -Fachleute Quantenbegeisterte sind und mehr über Quanten erfahren möchten, unabhängig davon, ob sie es in ihren täglichen Jobrollen verwenden werden oder nicht. Gleichzeitig sind andere nur neugierig auf das Feld und möchten den tatsächlichen Fortschritt vom Hype unterscheiden können. Meine Absicht beim Schreiben dieses Artikels ist es, zwei Fragen eine etwas lange Antwort zu geben: Sollten sich Datenwissenschaftler um Quanten kümmern? Und wie sehr sollten Sie sich interessieren?
Bevor ich antworte, sollte ich betonen, dass 2025 das Jahr der Quanteninformationswissenschaft ist, und so wird es überall viel Hype geben. Es ist die beste Zeit, sich als Individual in Technologie oder Tech -Fanatic eine Sekunde zu nehmen, um einige Grundlagen über das Feld zu kennen, damit Sie definitiv wissen können, wann etwas ein reiner Hype ist oder ob es Hinweise auf Tatsachen hat.
Jetzt, wo wir das Tempo festlegen, wenden wir uns in die erste Frage ein: Sollten sich Datenwissenschaftler um Quantencomputer kümmern?
Hier ist die kurze Antwort, „ein wenig“. Die Antwort ist, dass der aktuelle Zustand von Quantencomputern zwar nicht optimum für den Aufbau realer Anwendungen ist, es jedoch keine minimale Überlappung zwischen Quantencomputer und Datenwissenschaft gibt.
Das heißt, Information Science kann dazu beitragen, die Quantentechnologie schneller voranzutreiben, und sobald wir bessere Quantencomputer haben, werden sie dazu beitragen, verschiedene Datenwissenschaftsanwendungen effizienter zu gestalten.
Mehr lesen: Der Zustand des Quantencomputers: Wo sind wir heute?
Der Schnittpunkt von Quantencomputer und Datenwissenschaft
Lassen Sie uns zunächst diskutieren, wie Information Science, nämlich KI, das Quantencomputer vorantreiben, und dann werden wir darüber sprechen, wie Quantencomputer die Datenwissenschaftsabläufe verbessern können.
Wie kann KI dazu beitragen, das Quantencomputer voranzutreiben?
KI kann Quantum Computing auf verschiedene Weise von {Hardware} über Optimierung, Algorithmusentwicklung und Fehlerminderung helfen.
Auf der {Hardware} -Seite kann KI helfen:
- Optimierung von Schaltkreisen durch Minimierung der Gate-Zahlen, Auswahl effizienter Zerlegungen und Kartierung von Schaltkreisen zu hardwarespezifischen Einschränkungen.
- Optimierung der Kontrollimpulse zur Verbesserung der Gate -Treue auf realen Quantenprozessoren.
- Analyse experimenteller Daten zur Qubit -Kalibrierung, um das Rauschen zu verringern und die Leistung zu verbessern.
Abgesehen von der {Hardware} kann KI dazu beitragen, das Design und die Quantenalgorithmus -Design und die Implementierung der Quantenalgorithmus zu verbessern und beispielsweise bei der Korrektur und Minderung der Fehlerkorrektur zu helfen:
- Wir können AI verwenden, um Ergebnisse aus Quantenberechnungen zu interpretieren und bessere Characteristic -Karten für Quanten zu entwerfen Maschinelles Lernen (QML), was ich in einem zukünftigen Artikel ansprechen werde.
- KI kann das Quantensystemrauschen analysieren und vorhersagen, welche Fehler am wahrscheinlichsten auftreten.
- Wir können auch verschiedene AI -Algorithmen verwenden, um Quantenschaltungen an verrückte Prozessoren anzupassen, indem wir die besten Qubit -Layouts und Fehlerminderungstechniken auswählen.
Eine der interessantesten Anwendungen, die drei fortschrittliche Technologien umfassen, ist die Verwendung von AI für HPC (kurzer Efficiency Computing oder Supercomputer), um Quantenalgorithmen und Schaltungen effizient zu optimieren und zu simulieren.
Wie können Quantum -Datenwissenschaftsworkflows optimieren?
Okay, jetzt, da wir uns mit einigen Möglichkeiten befasst haben, wie KI dazu beitragen kann, die Quantentechnologie auf die nächste Ebene zu bringen, können wir jetzt behilflich sein, dass Quanten dazu beitragen kann, die Datenwissenschaftsabläufe zu optimieren.
Bevor wir eintauchen, lassen Sie mich Sie daran erinnern, dass Quantencomputer sehr intestine in Optimierungsproblemen sind (oder werden). Basierend darauf können wir sagen, dass einige Bereiche, in denen Quantum helfen wird,:
- Lösen Sie komplexe Optimierungsaufgaben schneller wie Probleme mit der Lieferkette.
- Quantencomputer Hat das Potenzial, large Datensätze exponentiell schneller zu verarbeiten und zu analysieren (sobald wir bessere Quantencomputer mit niedrigeren Fehlerraten erreicht haben).
- Quantenmaschinenlernen (QML) Algorithmen führen zu einem schnelleren Coaching und verbesserten Modellen. Beispiele für QML -Algorithmen, die derzeit entwickelt und getestet werden, sind:
- Quantenunterstützungsvektormaschinen (QSVMs).
- Quanten neuronale Netze (QNNs).
- Quantenleitungskomponentenanalyse (QPCA).
Wir wissen bereits, dass Quantencomputer aufgrund ihrer Funktionsweise unterschiedlich sind. Sie helfen klassischen Computern, indem sie die Herausforderungen der Skalierung von Algorithmen bewältigen, um große Datensätze schneller zu verarbeiten. Besprechen Sie einige NP-harte Probleme und Engpässe in der Schulung von Deep-Studying-Modellen.
Okay, zuerst, danke, dass du es in diesem Artikel so weit mit mir gemacht hast. Sie könnten jetzt denken, „All das ist schön und cool, aber Sie haben immer noch nicht geantwortet, warum sollte ich * ein Datenwissenschaftler * um Quantum kümmern?“
Du hast Recht; Lassen Sie mich meinen Marketinghut aufnehmen!
Die Artwork und Weise, wie ich Quantencomputer jetzt beschreibe, sind maschinelles Lernen und AI -Algorithmen aus den 1970er und 1980er Jahren. Wir hatten ML- und AI -Algorithmen, aber nicht die {Hardware}, die erforderlich ist, um sie vollständig zu verwenden!
Mehr lesen: Qubits erklärten: alles, was Sie wissen müssen
Ein früher Beitrag zu Neuem zu sein Technologie bedeutet, einer der Menschen zu sein, die die Zukunft des Feldes gestalten. Heute benötigt das Quantenfeld mehr quantenbezogene Datenwissenschaftler in der Finanz-, Gesundheits- und Tech-Industrie, um das Feld voranzutreiben. Bisher haben Physiker und Mathematiker das Feld kontrolliert, aber wir können jetzt nicht ohne Ingenieure und Datenwissenschaftler vorwärts gehen.
Der interessante Teil ist, dass das Fortschreiten des Feldes von diesem Punkt an nicht immer bedeutet, dass Sie das Wissen und das Verständnis der Quantenphysik und Mechanik haben müssen, sondern wie Sie das verwenden, was Sie bereits kennen (auch bekannt als ML und AI), um die Technologie zu bewegen weiter.
Letzte Gedanken
Einer der kritischen Schritte einer neuen Technologie ist das, was ich gerne als „letzte Hürde vor dem Durchbruch“ betrachte. Alle neuen Technologien wurden vor Pushback oder Hürden konfrontiert, bevor sie sich als hilfreich erwiesen haben, und ihre Verwendung explodierte. Es ist oft schwierig, diese letzte Hürde zu bestimmen, und als Individual in Technologie bin ich mir voll bewusst, wie viele neue Dinge täglich weiter auftauchen. Es ist menschlich unmöglich, mit allen neuen technologischen Fortschritten in allen Bereichen Schritt zu halten! Das ist ein Vollzeitjob für sich.
Davon abgesehen ist es immer ein Vorteil, der Nachfrage nach neuen Technologien voraus zu sein. Seien Sie wie in einem Feld, bevor es „cool“ wird. Auf keinen Fall sage ich Datenwissenschaftlern, sie sollen ihr Feld kündigen und in den Quanten -Hype -Zug springen, aber ich hoffe, dieser Artikel hilft Ihnen, zu entscheiden, wie viel oder wenig Sie als ML oder AI -Fachmann mit Quantencomputer einbezogen werden möchten.
Sollten sich ML- und KI -Fachkräfte additionally um Quanten kümmern? Nur genug, um zu entscheiden, wie es sich auf ihren beruflichen Fortschritt auswirken/ helfen kann.