Использование квантового машинного обучения для синтеза полимеров
Могут ли одиночные фотоны помочь промышленности в открытии новых архитектур полимеров в ближайшие десять лет? Технико-экономическое обоснование, проведенное недавно компаниями Alysophil и Quandela в партнерстве с MBDA, показало, как этого можно достичь.
Благодаря быстрому росту вычислительной мощности и развитию алгоритмов технологии глубокого обучения сегодня широко используются в самых разных областях: изображения, речь и автоматическая обработка языка, рекомендации по продуктам, обнаружение онлайн-мошенничества, кибербезопасность, торговля на фондовом рынке и медицина. диагноз. Направление постоянно растущего объема данных с помощью сложных алгоритмов, которые могут обнаруживать сложные закономерности и корреляции, выявило огромный потенциал этих технологий для извлечения ценных знаний. Естественные науки, такие как химия, физика и биология, также присоединились к гонке по использованию моделей машинного обучения для получения информации о сложных (био)молекулярных структурах, химических реакциях и свойствах материалов.
Повсеместное распространение машинного обучения сегодня напоминает рост Minitel, электронного терминала, который процветал в 1980-х годах, а затем пришел в упадок с появлением персональных компьютеров. Хотя трудно сравнивать аппаратную революцию с эволюцией машинного обучения, можно проследить некоторые тенденции. Например, недавний всплеск разработки квантового оборудования сопровождается разработками квантовых аналогов традиционных алгоритмов машинного обучения. Будут ли эти подходы квантового машинного обучения следующей революцией, которая затмит классические модели машинного обучения?
Хотя квантовые явления глубоко изучаются химиками и физиками уже более ста лет, они лишь недавно получили то внимание, которого заслуживают, в более широких областях. Этот интерес возник после осознания того, что квантовые компьютеры могут решать проблемы, связанные со сложными моделями корреляции во входных данных, таких как изображения и языковые структуры. Такие корреляции труднее обнаружить с помощью классических машин, даже если последние поддерживаются мощными вычислительными устройствами, такими как графические процессоры. Однако квантовые вычисления на квантовом оборудовании позволяют выполнять вычисления в многомерных пространствах, что позволяет использовать более сложные модели обучения. Таким образом, ожидаются более быстрые вычисления и более общие модели.
Естественно, возникает вопрос о «квантовом преимуществе» в машинном обучении: для каких задач и данных, выполняющих алгоритм машинного обучения на квантовом компьютере, можно ожидать реального вычислительного преимущества с точки зрения точности и времени? Привлекая понятие «квантового преимущества», следует также упомянуть области квантовой физики и квантовой химии. Ожидается, что эти науки получат огромные преимущества, поскольку обе включают квантовое моделирование атомных и молекулярных систем. Преимущества с точки зрения времени вычислений и, следовательно, эффективности оптимизации могут быть на несколько порядков по сравнению с нынешними и будущими классическими компьютерами. Как сказал знаменитый физик Ричард Фейнман: «Природа не является классической, черт возьми, и если вы хотите смоделировать природу, вам лучше сделать ее квантово-механической, и, черт возьми, это замечательная задача, потому что она не выглядеть так легко».
Отправляясь в квантовое приключение, Quandela, Alysophil и MBDA провели технико-экономическое обоснование влияния квантового машинного обучения на открытие новых полимеров и полимерных композитов. Первые результаты были убедительными, и были разработаны две стратегии, запланированные для двухлетнего проекта, направленные на прогнозирование структуры и свойств полимеров. Этот проект также вовлечет MBDA и Alysophil в гонку второй квантовой революции. Эти две стратегии основаны на самых современных методах машинного обучения и их квантовых аналогах в сочетании с симуляциями, которые затем запускаются на оптических квантовых компьютерах. Поскольку они очень универсальны, мы ожидаем, что они будут применимы к широкому спектру приложений и областей, где важно использование полимеров: косметика, открытие лекарств, шины и уплотнения, конструкционные материалы, двигательные установки, улавливание углерода.
Если вы хотите узнать больше о проекте, свяжитесь с нами по адресу [email protected] и [email protected].
Об ализофиле
Alysophil — компания, которая разрабатывает новые концепции промышленной химии для производства молекул с высокой добавленной стоимостью, сочетая химию потока и искусственный интеллект. Эти технологии позволяют ускорить процесс разработки за счет более быстрой идентификации молекул для удовлетворения сложных потребностей, а затем определения и реализации высокоэффективных синтезов. Сочетание искусственного интеллекта и поточных процессов позволит Alysophil иметь экономичные, компактные, мобильные производственные установки, автономные с помощью нейронных чипов, что значительно повысит производственные показатели (безопасность, воздействие на окружающую среду, затраты, независимость и т. д.). Компания базируется в Страсбурге и в настоящее время насчитывает 10 человек.
Для получения дополнительной информации посетите наш веб-сайт и социальные каналы, которые перечислены ниже:
Веб-сайт — LinkedIn — Twitter
О Quandela
Компания Quandela, основанная в 2017 году тремя учеными, является инновационной компанией с высокотехнологичным содержанием. В настоящее время Квандела работает над несколькими исследовательскими проектами Центра нанонаук и нанотехнологий (C2N — CNRS/Университет Париж-Сакле) в Палезо. Основная деятельность Quandela заключается в разработке и продаже ряда модульных технологий для индустрии квантовых технологий. Сегодня, начиная с позиции международного лидера на рынке исследований и разработок, Quandela разрабатывает оптический квантовый компьютер. Этот компьютер будет доступен через онлайн-сервис и позволит промышленности оптимизировать несколько проблем, которые, как известно, трудно решить с помощью классических компьютеров.
Для получения дополнительной информации посетите наш веб-сайт и социальные каналы, которые перечислены ниже:
Веб-сайт — LinkedIn — Twitter — YouTube
О MBDA
MBDA — единственная европейская оборонная группа, способная разрабатывать и производить ракеты и ракетные комплексы, соответствующие всему спектру текущих и будущих оперативных потребностей трех вооруженных сил (сухопутных, морских и воздушных). MBDA лежит в основе суверенитета наших стран и их союзников, предоставляя решающие военные возможности для защиты свободы наших стран.
Миссия MBDA состоит в том, чтобы позволить вооруженным силам своих клиентов поддерживать свое оперативное превосходство и суверенитет во всех областях вооруженных сил. Мы предлагаем быстродействующие, эффективные и высокоточные комплексы вооружений, которые являются решающими факторами повышения боеспособности в военных действиях. Группа предлагает ряд из 45 ракетных систем и средств противодействия, уже находящихся на вооружении, и еще более 15 других, которые в настоящее время находятся в разработке. MBDA находится в совместной собственности Airbus (37,5%), BAE Systems (37,5%) и Leonardo (25%).
Для получения дополнительной информации посетите наш веб-сайт и социальные каналы, которые перечислены ниже:
Веб-сайт — LinkedIn — Twitter — YouTube
Продолжение совместного проекта между Alysophil, Quandela и MBDA обсуждается после успешного первого этапа.
