論文の概要: Reliable AI: Does the Next Generation Require Quantum Computing?

• arxiv url: http://arxiv.org/abs/2307.01301v2
• Date: Thu, 6 Jul 2023 09:05:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-07 11:10:48.491145
• Title: Reliable AI: Does the Next Generation Require Quantum Computing?
• Title（参考訳）: 信頼性の高いAI:次世代の量子コンピューティングは必要か?
• Authors: Aras Bacho, Holger Boche, Gitta Kutyniok
• Abstract要約: デジタルハードウェアは、最適化、ディープラーニング、微分方程式に関する問題の解決に本質的に制約されていることを示す。 対照的に、Blum-Shub-Smale マシンのようなアナログコンピューティングモデルは、これらの制限を克服する可能性を示している。
• 参考スコア（独自算出の注目度）: 71.84486326350338
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this survey, we aim to explore the fundamental question of whether the next generation of artificial intelligence requires quantum computing. Artificial intelligence is increasingly playing a crucial role in many aspects of our daily lives and is central to the fourth industrial revolution. It is therefore imperative that artificial intelligence is reliable and trustworthy. However, there are still many issues with reliability of artificial intelligence, such as privacy, responsibility, safety, and security, in areas such as autonomous driving, healthcare, robotics, and others. These problems can have various causes, including insufficient data, biases, and robustness problems, as well as fundamental issues such as computability problems on digital hardware. The cause of these computability problems is rooted in the fact that digital hardware is based on the computing model of the Turing machine, which is inherently discrete. Notably, our findings demonstrate that digital hardware is inherently constrained in solving problems about optimization, deep learning, or differential equations. Therefore, these limitations carry substantial implications for the field of artificial intelligence, in particular for machine learning. Furthermore, although it is well known that the quantum computer shows a quantum advantage for certain classes of problems, our findings establish that some of these limitations persist when employing quantum computing models based on the quantum circuit or the quantum Turing machine paradigm. In contrast, analog computing models, such as the Blum-Shub-Smale machine, exhibit the potential to surmount these limitations.
• Abstract（参考訳）: 本研究では、次世代の人工知能が量子コンピューティングを必要とするかどうかという根本的な疑問を探究する。 人工知能は私たちの日常生活において重要な役割を担っており、第4次産業革命の中心となっている。 したがって、人工知能が信頼性と信頼性を持つことが必須である。 しかし、自動運転、医療、ロボティクスなどの分野において、プライバシ、責任、安全性、セキュリティなど、人工知能の信頼性にはまだ多くの問題がある。 これらの問題には、不十分なデータ、バイアス、堅牢性問題、およびデジタルハードウェアにおける計算可能性問題など、様々な原因がある。 これらの計算可能性問題の原因は、デジタルハードウェアが本質的に離散的なチューリングマシンの計算モデルに基づいているという事実にある。 特に,デジタルハードウェアは最適化,深層学習,微分方程式の問題解決に本質的に制約されている。 したがって、これらの制限は人工知能の分野、特に機械学習に重大な意味を持つ。 さらに、量子コンピュータがある種の問題に対して量子的優位性を示すことはよく知られているが、量子回路や量子チューリングマシンのパラダイムに基づく量子コンピューティングモデルを使用する場合、これらの制限の一部は持続する。 対照的に、Blum-Shub-Smale マシンのようなアナログコンピューティングモデルは、これらの制限を克服する可能性を示している。

関連論文リスト

• Stability of Quantum Computers [0.0]
  この論文は、量子コンピューティングにおけるノイズの持続的問題、特にトランスモンプロセッサにおけるノイズパラメータの非定常性に焦点を当てている。 量子コンピューティングのポテンシャルは、古典的コンピュータと比較して、実行時間、エネルギー使用量、メモリ要求の超ポリノミカルな削減を約束する。
  論文  参考訳（メタデータ） (2024-04-29T19:51:06Z)
• Using quantum computers in control: interval matrix properties [0.46040036610482665]
  本稿では,システムや制御理論における関連する問題に対する量子コンピュータの利用について検討する。 量子コンピュータ上での非特異性や安定性などの間隔行列特性の検証の原型例を示す。 以上の結果から,量子コンピュータは,さらなる計算複雑化問題への適用性を探求する上で,有望な制御ツールであることを示す。
  論文  参考訳（メタデータ） (2024-03-26T13:58:21Z)
• A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
  バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。 本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。 我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
  論文  参考訳（メタデータ） (2024-02-16T18:05:09Z)
• Quantum-centric Supercomputing for Materials Science: A Perspective on Challenges and Future Directions [20.785521465797203]
  材料科学におけるハードな計算タスクは、既存の高性能スーパーコンピュータセンターの限界を延長する。 一方、量子コンピューティングは、材料科学に必要な多くの計算タスクを加速する可能性を持つ新興技術である。
  論文  参考訳（メタデータ） (2023-12-14T18:14:22Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• When we can trust computers (and when we can't) [0.0]
  理論上は比較的単純でしっかりと根ざした科学と工学の分野において、これらの手法は確かに強力である。 ビッグデータと機械学習の台頭は、真の説明力に欠けながら、計算に新たな課題をもたらす。 長期的には、デジタル計算に現在置かれている過度な信頼を誘惑するために、アナログ手法に重点を置く必要がある。
  論文  参考訳（メタデータ） (2020-07-08T08:55:53Z)
• An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
  小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。 量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
  論文  参考訳（メタデータ） (2020-05-06T14:18:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。