Universiteit Leiden

nl en

Kleine quantumsystemen helpt kunstmatige intelligentie

Zelflerende systemen - draaiend op ‘klassieke’ computers - hebben de afgelopen vijf jaar enorme vooruitgang geboekt. Automatische vertaling van tekst of spraak zijn twee bekende voorbeelden. Leidse onderzoekers verwachten dat zelfs quantumsystemen met maar een paar dozijn qubits deze en andere soorten kunstmatige intelligentie drastisch kunnen verbeteren.

Zelflerende systemen zijn meestal gebaseerd op neurale netwerken: computers die, in zekere zin, de werking van onze hersenen imiteren. Data – de pixels van een foto, bijvoorbeeld – komen binnen aan de voorkant, waar ze verwerkt worden door een eerste laag van duizenden virtuele ‘hersencellen’. Die geven informatie door aan de volgende laag, enzovoorts. De laatste laag produceert een antwoord, bijvoorbeeld ‘dit is een foto van een hond’.

De intelligentie van het systeem zit ‘m in de ‘gewichten’, de instelbare sterkte van de data-verbindingen tussen de ‘hersencellen’ in opeenvolgende lagen. Deze gewichten worden ingesteld door het neurale netwerk te trainen met een groot aantal foto’s van honden en andere onderwerpen.

Hoe zou je een netwerk met duizenden hersencellen kunnen simuleren in de quantumsystemen van nu? Dat lijkt onmogelijk, want het grootste functionerende quantumsysteem, Google’s Sycamore, heeft maar 53 qubits. Maar volgens Vedran Dunjko, universitair docent aan het Leiden Institute of Advanced Computer Science (LIACS) moeten zelfs een paar dozijn qubits al verbazingwekkende staaltjes kunstmatige intelligentie kunnen vertonen.

Klassieke computers werken met bits, die de waarde 0 of 1 hebben, wat zich laat representeren door  schakelaars die aan of uit staan. Een qubit is een ‘schakelaar’ die volgens de wetten van de quantumtheorie een mix van de waardes 0 en 1 tegelijk representeert. Meerdere qubits die met elkaar in contact staan (‘verstrengeld zijn’) kunnen daardoor een complete berekening representeren, die niet stap voor stap wordt uitgevoerd, maar waarvan de uitkomst meteen kan worden uitgelezen. Althans, in theorie. Qubits zijn zeer gevoelig voor verstoring uit de buitenwereld, en hoe meer er verstrengeld zijn, hoe erger dat is.

Het kwantumcircuit van een kwantumcomputer is dan wel heel klein, maar de machine die je nodig hebt om het circuit af te koelen, is gigantisch.
Het kwantumcircuit van een kwantumcomputer is dan wel heel klein, maar de machine die je nodig hebt om het circuit af te koelen, is gigantisch.

Dunjko’s onderzoek richt zich onder meer op Noisy Intermediate Scale Quantum (NISQ) computing: rekenen met quantumsystemen die te klein zijn, en hun qubits te gevoelig voor storing, om een echte   quantumcomputer mee te bouwen. Een volwaardige quantumcomputer moet exacte, foutloze berekeningen kunnen verrichten. In een perfecte wereld zou een paar honderd qubits al genoeg zijn om alle bestaande klassieke computers het nakijken te geven, maar in werkelijkheid zijn er veel meer nodig – misschien wel een paar honderdduizend – om te compenseren voor de onvermijdelijke ruis die het systeem binnensluipt.

Dunjko maakt deel uit van een Leidse groep fysici, chemici, computerwetenschappers en wiskundigen onder de naam <aQa>. Samen hopen zij nuttig gebruik te maken van de ruisbestendigheid van quantum  neurale netwerken. Dunjko: ‘We beschikken al over quantumsystemen die we onder controle hebben, maar slechts tot op zekere hoogte. Dit biedt toch kansen, want in zekere zin zijn neurale netwerken er juist op gemaakt om een boodschap uit ruis te destilleren.’

In bovengenoemd voorbeeld leert een neuraal netwerk ‘het idee hond’ op basis van een groot aantal rommelige foto’s, waardoor het een hond ook kan onderscheiden in een foto die het nog nooit gezien heeft. Maar het netwerk heeft geen formule voor ‘hond’, en er vindt geen exacte berekening plaats.  

Volgens Dunjka hebben hijzelf en andere quantumonderzoekers nog niet diep genoeg nagedacht over dit wezenlijke verschil: ‘Het meeste onderzoek naar quantumcomputers gaat over hoe je ze sneller maakt dan klassieke computers. Maar een zelflerend quantumsysteem kan iets totaal anders worden.’

Zelfs het gedrag van kleine quantumcircuits van verstrengelde qubits met feedback-lussen is al zo ingewikkeld, dat het niet te simuleren is op een klassieke computer. ‘Deze quantumcircuits zullen totaal nieuwe dingen kunnen leren,’ verwacht Dunjko. Interessant is, dat er overeenkomsten zijn met recent onderzoek in quantumchemie door Tomas O’ Brien en andere collega’s in <aQa>.

Terwijl het nog tien jaar kan duren tot de eerste volwaardige quantumcomputer gebouwd wordt, verwacht hij al concrete resultaten van NISQ binnen drie tot vijf jaar: ‘Het zal niet binnen drie jaar ook al  economische impact hebben, maar als dat niet binnen vijftien jaar gebeurt, hebben we waarschijnlijk iets fout gedaan.’

Deze website maakt gebruik van cookies. Meer informatie