Kvantumszámítógépek 100-szor spórolhatnak az AI-edzésnél

A QC-Train elnevezésű, július elején indult kutatási projekt célja, hogy a nagy nyelvi modellek és más MI-rendszerek edzéséhez szükséges hatalmas számítási kapacitás egy részét kvantumszámítógépekre bízzák. A jelenlegi megközelítés nem az egész edzésfolyamatot helyezi át kvantumhardverre, hanem hibrid módszert alkalmaz: a klasszikus processzorok és gyorsítók továbbra is használatban maradnak, de a különösen erőforrásigényes matematikai műveletek kvantumprocesszorokra kerülnek.

A Fraunhofer Intézet első technikai prognózisai alapján a szükséges erőforrások akár százszorosára csökkenthetők. Ez azt jelentené, hogy egy edzési folyamat az ideális esetben mindössze az eddigi számítási kapacitás egy századát igényelné. Azonban a kutatók hangsúlyozzák, hogy ezek a számok egyelőre csak előrejelzések, amelyeket a valós körülmények között végzett méréseknek még igazolniuk kell.

A projekt fő kihívása az, hogy a jelenlegi kvantumszámítógépek még csak korlátozott számú, megbízhatóan használható qubittel rendelkeznek. Ezért nem képesek tetszőlegesen nagy és összetett számításokat végezni. A kutatócsoport ezért olyan egyedi számítási lépéseket keres, ahol a jelenleg elérhető hardver már előnyöket nyújthat.

A három évre tervezett projekt első fázisában különböző edzési módszereket vizsgálnak meg a kvantumprocesszorokra való alkalmasság szempontjából. Ezt követően szoftvereszközöket fejlesztenek, amelyek képesek azonosítani az alkalmas felhasználási eseteket és a számításokat a klasszikus és kvantum alapú hardver között felosztani. A végső szakaszban gyakorlati összehasonlítások lesznek, ahol a módszert valós adatokkal tesztelik a projektpartnerek (DATEV és Schaeffler Technologies) bevonásával.

Ha a megközelítés beválik, a kvantumprocesszorok nem helyettesítik a klasszikus MI-gyorsítókat, hanem azokat egészítik ki a különösen összetett részfeladatoknál. Ez új alkalmazási területet nyitna meg a kvantumszámítógépek számára a tiszta kutatási demonstrációkon túl.