Algorithmiq บรรลุความก้าวหน้าทางคอมพิวเตอร์ควอนตัมในการค้นคว้ายาที่ IBM Summit
ในบทสรุป
Algorithmiq นำเสนอผลลัพธ์การลดข้อผิดพลาดที่ก้าวล้ำจากการทดลองขนาดใหญ่ที่ดำเนินการกับฮาร์ดแวร์ควอนตัมของ IBM
อัลกอริทึม เมื่อเร็ว ๆ นี้ ได้นำเสนอผลลัพธ์การลดข้อผิดพลาดที่น่าประทับใจในระหว่างการทดลองขนาดใหญ่ที่ดำเนินการ IBM ควอนตัม ฮาร์ดแวร์ที่ IBM Summit บริษัทซึ่งขยายขนาดอัลกอริธึมควอนตัม โดยมุ่งเน้นไปที่การจัดการกับความท้าทายที่ซับซ้อนในด้านวิทยาศาสตร์ชีวภาพ และแสดงให้เห็นถึงความเชี่ยวชาญในการบรรลุอรรถประโยชน์ควอนตัมที่ใช้งานได้จริง
ยูทิลิตี้ควอนตัมคือเมื่อคอมพิวเตอร์ควอนตัมประสบความสำเร็จในการคำนวณที่เชื่อถือได้ ซึ่งเหนือกว่าความสามารถแบบเดรัจฉานฟอร์ซของการประมวลผลแบบคลาสสิก เพื่อการแก้ปัญหาที่แม่นยำ ตามเนื้อผ้า วิธีการประมาณแบบดั้งเดิมมักถูกปรับให้เหมาะกับปัญหาเฉพาะเจาะจง เป็นวิธีเดียวเท่านั้นที่จะจัดการกับความท้าทายเฉพาะ
การใช้ประโยชน์ ยูทิลิตี้ควอนตัมนักวิทยาศาสตร์ด้านการคำนวณและนักวิจัยคนอื่นๆ สามารถใช้คอมพิวเตอร์ควอนตัมเพื่อจัดการกับปัญหาขนาดใหญ่ในโลกแห่งความเป็นจริงได้เช่นกัน
การทดลองใช้อัลกอริธึมการลดข้อผิดพลาดที่เป็นเอกสิทธิ์ของ Algorithmiq บน IBM Nazca โดยเฉพาะโปรเซสเซอร์ Eagle ขนาด 127 คิวบิต ซึ่งประกอบไปด้วยคิวบิตที่ใช้งานอยู่ 50 คิวบิต และ CNOTS 98 เลเยอร์ รวมเป็นเกต CNOTS 2402 เกต
ความร่วมมือครั้งนี้กับ ไอบีเอ็ม ก่อตั้งขึ้นในปี 2022 และมีเป้าหมายเพื่อปูทางไปสู่ความได้เปรียบด้านควอนตัมเชิงปฏิบัติครั้งแรกในวิชาเคมี คอมพิวเตอร์ควอนตัมแม้จะมีศักยภาพ แต่ก็ต้องเผชิญกับอัตราข้อผิดพลาดสูง ขัดขวางการคำนวณขนาดใหญ่
เทคนิค Tensor Network Error Mitigation (TEM) ที่เป็นกรรมสิทธิ์ของ Algorithmiq ซึ่งใช้ร่วมกับ Ivano Tavernelli จาก IBM Zurich และ John Goold จาก Trinity College Dublin บรรลุผลสำเร็จที่ก้าวล้ำ เทคนิคเหล่านี้ลดเสียงรบกวนได้อย่างมีประสิทธิภาพแม้จะมีความลึกของวงจรเพิ่มขึ้น ซึ่งเหนือกว่าวิธีการลดข้อผิดพลาดแบบเดิมๆ
“คอมพิวเตอร์ควอนตัมในปัจจุบันมีแนวโน้มที่จะเกิดข้อผิดพลาด ซึ่งหมายความว่าเมื่อมีการเรียกใช้การจำลองสำหรับโมเลกุล คุณสมบัติที่เราจะอนุมานได้จะมีอคติ การลดข้อผิดพลาดมีจุดมุ่งหมายเพื่อแก้ไขอคติเหล่านั้น TEM ให้ประสิทธิภาพที่ดีที่สุดในแง่ของเวลาการใช้งาน QC เนื่องจากการลดข้อผิดพลาดเกิดขึ้นในการประมวลผลภายหลัง” ศาสตราจารย์ Sabrina Maniscalco ผู้ร่วมก่อตั้งและ CEO ของ Algorithmiq กล่าว Metaverse Post. “ในทางปฏิบัติหมายความว่าเราสามารถแก้ไขข้อผิดพลาดได้ภายในเสี้ยววินาทีที่วิธีการที่เชื่อถือได้อื่นๆ ต้องการ”
นอกจากนี้ วิธี TEM ยังแสดงให้เห็นถึงความสามารถในการกู้คืนสัญญาณควอนตัมในระบบที่ท้าทาย ซึ่งนำเสนอการปรับปรุงค่าใช้จ่ายในการวัดอย่างมาก ประสิทธิภาพนี้ส่งผลให้สามารถคำนวณได้เร็วขึ้นอย่างมาก โดยลดระยะเวลาจากหลายปีเหลือเพียงชั่วโมงเดียว
ในเดือนมิถุนายน ปี 2023 Algorithmiq ระดมทุนได้ 13.7 ล้านยูโรในรอบ Series A ซึ่งนำโดย Inventure VC ซึ่งเป็นกองทุนร่วมลงทุนของ Nordic เงินทุนดังกล่าวถูกใช้เพื่อดำเนินงานพิสูจน์แนวคิดร่วมกับบริษัทยาทั่วโลก โดยมีเป้าหมายเพื่อลดเวลาและต้นทุนในการค้นคว้าและพัฒนายา
การทดลองล่าสุดของบริษัทได้วางรากฐานสำหรับการคำนวณควอนตัมที่ปรับขนาดได้ ซึ่งถือเป็นก้าวสำคัญสู่ยุคการทนทานต่อข้อผิดพลาดของ การค้นพบยาเสพติด.
“ด้วยความช่วยเหลือของการทดลองเคมีควอนตัมบนคอมพิวเตอร์ควอนตัมที่เกิดขึ้นพร้อมกันกับการศึกษาในห้องปฏิบัติการทางคลินิกในสถานที่เป็นครั้งแรก สิ่งนี้เปิดความเป็นไปได้ในการออกแบบการดัดแปลงทางเคมีที่แม่นยำของสารประกอบยาที่กระตุ้นด้วยแสง ซึ่งจะช่วยเพิ่มประสิทธิภาพของพวกเขา ในขณะที่ลดผลข้างเคียง (ที่ไม่พึงประสงค์) ให้เหลือน้อยที่สุด ท้ายที่สุดก็เพิ่มอัตราความสำเร็จในการรักษาผู้ป่วยให้สูงสุด” Maniscalco อธิบาย
การใช้ประโยชน์จากคอมพิวเตอร์ควอนตัมสำหรับการใช้งานทางเคมี
ความสำเร็จของ Algorithmiq นอกเหนือไปจากการลดข้อผิดพลาด โดย CEO Sabrina Maniscalco นำเสนอผลลัพธ์ที่สำคัญจากความร่วมมือกับ แอสตร้า, ไอบีเอ็ม และฮาร์ทรีเซ็นเตอร์
ทีมงานได้สำรวจแนวทางใหม่ในการศึกษาปฏิกิริยาการถ่ายโอนโปรตอน โดยใช้การทำแผนที่และการรวบรวมเฟอร์มิออนถึงควิบิตที่ดัดแปลงด้วยฮาร์ดแวร์ อัลกอริทึม. วิธีการนี้ช่วยลดความต้องการฮาร์ดแวร์ควอนตัมลงได้อย่างมาก โดยช่วยลดจำนวนการดำเนินงานที่มีเสียงดังได้ถึง 54%
“ในขณะที่ชุมชนมีเป้าหมายที่จะปรับปรุงขนาดของวงจรที่ทำงานบนฮาร์ดแวร์ (หมายถึงตัวเลขบน CNOT) สิ่งสำคัญคือต้องมีประสิทธิภาพมากที่สุดเท่าที่จะเป็นไปได้ในการสร้างวงจร เนื่องจากการดำเนินการน้อยลงเราจำเป็นต้องแก้ปัญหาได้ง่ายขึ้น มันจะได้จัดการพวกมัน” Maniscalco จาก Algorithmiq กล่าว Metaverse Post. “ดังนั้น ที่ Algorithmiq หนึ่งในสายการวิจัยหลักมุ่งเน้นไปที่การลดความซับซ้อนของวงจรสำหรับการจำลองเคมีของ Q ให้มากที่สุดเท่าที่จะเป็นไปได้”
ยิ่งไปกว่านั้น Algorithmiq ยังเป็นเจ้าของคนใหม่ของโค้ด Qiskit Nature ซึ่งเป็นชุมชนควอนตัมที่ได้รับการดูแลจัดการอย่างดีของ IBM สำหรับ เคมี.
การพัฒนาดังกล่าวสอดคล้องกับการเปลี่ยนแปลงระบบนิเวศ Qiskit ในวงกว้างของไอบีเอ็ม โดยสนับสนุนให้พันธมิตรภายนอกเข้ามารับผิดชอบในการบำรุงรักษา Algorithmiq มีเป้าหมายที่จะพัฒนาซอฟต์แวร์ที่ช่วยให้นักวิจัยและบริษัทต่างๆ สามารถรับมือกับความท้าทายในการจำลองควอนตัมในวิทยาศาสตร์ธรรมชาติ
“เรามุ่งเน้นอย่างมากกับการจำลองเคมีควอนตัม (และต่อมาสำหรับการค้นคว้ายา) การจำลองระบบควอนตัมเป็นแรงจูงใจหลักสำหรับการคำนวณควอนตัมตั้งแต่แรก ดังนั้นจึงเป็นกรณีการใช้งานที่สมเหตุสมผลมากสำหรับอุปกรณ์แม้ในระยะเวลาอันใกล้นี้” Maniscalco จาก Algorithmiq กล่าว “ในขณะที่หลายอุตสาหกรรมสามารถได้รับประโยชน์จากการเพิ่มขีดความสามารถในการคำนวณเคมีของ Q แต่อุตสาหกรรมเป้าหมายหลักของเราคือการค้นคว้ายา”
แนวทางการวัดผลที่เป็นนวัตกรรมและวิธีการทางเคมีขั้นสูงของ Algorithmiq ได้รับเงินลงทุน 4.25 ล้านดอลลาร์จาก Wellcome Leap เมื่อเร็วๆ นี้ เงินทุนจะสนับสนุนการออกแบบปฏิสัมพันธ์ระหว่างยาโฟตอนและยาใหม่สำหรับ การป้องกันมะเร็ง และการรักษาร่วมกับพันธมิตร IBM และ Cleveland Clinic
“การทดลอง IBM Summit เป็นเพียงก้าวแรกในการพิสูจน์ว่า TEM ใช้ได้กับวงจรที่ซับซ้อน ตอนนี้เรารู้สึกตื่นเต้นที่ได้คิดถึงสิ่งที่เราสามารถทำได้ในอนาคต โดยเฉพาะอย่างยิ่งกับข่าวเกี่ยวกับการปรับปรุงที่คาดหวังในอุปกรณ์ IBM” Maniscalco จาก Algorithmiq กล่าว Metaverse Post.
เมื่อเร็วๆ นี้ IBM ได้เปิดตัวชิปและเครื่องคำนวณควอนตัมใหม่โดยมีเป้าหมายเพื่อวางรากฐานสำหรับระบบที่ใหญ่กว่ามากภายในปี 2033 Quantum System Two ใหม่ของบริษัทได้รวมเอาชิป “Heron” สามตัวเข้าด้วยกัน ซึ่งให้พลังงานมากกว่า 1,000 คิวบิต
ข้อจำกัดความรับผิดชอบ
สอดคล้องกับ แนวทางโครงการที่เชื่อถือได้โปรดทราบว่าข้อมูลที่ให้ไว้ในหน้านี้ไม่ได้มีจุดมุ่งหมายและไม่ควรตีความว่าเป็นคำแนะนำทางกฎหมาย ภาษี การลงทุน การเงิน หรือรูปแบบอื่นใด สิ่งสำคัญคือต้องลงทุนเฉพาะในสิ่งที่คุณสามารถที่จะสูญเสียได้ และขอคำแนะนำทางการเงินที่เป็นอิสระหากคุณมีข้อสงสัยใดๆ สำหรับข้อมูลเพิ่มเติม เราขอแนะนำให้อ้างอิงข้อกำหนดและเงื่อนไขตลอดจนหน้าช่วยเหลือและสนับสนุนที่ผู้ออกหรือผู้ลงโฆษณาให้ไว้ MetaversePost มุ่งมั่นที่จะรายงานที่ถูกต้องและเป็นกลาง แต่สภาวะตลาดอาจมีการเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า
เกี่ยวกับผู้เขียน
Victor เป็นบรรณาธิการ/นักเขียนด้านการจัดการด้านเทคโนโลยีที่ Metaverse Post และครอบคลุมถึงปัญญาประดิษฐ์ คริปโต วิทยาศาสตร์ข้อมูล เมตาเวิร์ส และความปลอดภัยทางไซเบอร์ภายในขอบเขตองค์กร เขามีประสบการณ์ด้านสื่อและ AI มาครึ่งทศวรรษในสื่อชื่อดัง เช่น VentureBeat, DatatechVibe และ Analytics India Magazine ในฐานะที่ปรึกษาด้านสื่อในมหาวิทยาลัยที่มีชื่อเสียง รวมถึง Oxford และ USC และสำเร็จการศึกษาระดับปริญญาโทด้านวิทยาศาสตร์ข้อมูลและการวิเคราะห์ Victor มีความมุ่งมั่นอย่างยิ่งที่จะติดตามแนวโน้มที่เกิดขึ้นใหม่ เขาเสนอเรื่องราวล่าสุดและลึกซึ้งที่สุดแก่ผู้อ่านจากเทคโนโลยีและ Web3 ภูมิประเทศ
บทความอื่น ๆ
Victor เป็นบรรณาธิการ/นักเขียนด้านการจัดการด้านเทคโนโลยีที่ Metaverse Post และครอบคลุมถึงปัญญาประดิษฐ์ คริปโต วิทยาศาสตร์ข้อมูล เมตาเวิร์ส และความปลอดภัยทางไซเบอร์ภายในขอบเขตองค์กร เขามีประสบการณ์ด้านสื่อและ AI มาครึ่งทศวรรษในสื่อชื่อดัง เช่น VentureBeat, DatatechVibe และ Analytics India Magazine ในฐานะที่ปรึกษาด้านสื่อในมหาวิทยาลัยที่มีชื่อเสียง รวมถึง Oxford และ USC และสำเร็จการศึกษาระดับปริญญาโทด้านวิทยาศาสตร์ข้อมูลและการวิเคราะห์ Victor มีความมุ่งมั่นอย่างยิ่งที่จะติดตามแนวโน้มที่เกิดขึ้นใหม่ เขาเสนอเรื่องราวล่าสุดและลึกซึ้งที่สุดแก่ผู้อ่านจากเทคโนโลยีและ Web3 ภูมิประเทศ
