混合量子-經典算法加速高維時序分析
簡介
一個由郭國平領導的中國研究團隊開發了一種混合量子-經典算法,旨在降低廣泛使用的動態模態分解算法所需的計算功率。他們將這種算法應用於資料去噪、場景背景提取和流體動力學分析等三個場景中。研究結果表明,該算法可以僅使用少量樣本進行操作,並在高維時序分析中具有量子優勢。這項研究已經發表在《Intelligent Computing》上。
量子動態模態分解算法
量子動態模態分解算法的開發和測試旨在加速高維時序分析。它透過降低對時序資料的操作的複雜性,實現了指數級加速。當前的版本還可以用於加速某些其他型別的資料集的分析。此外研究人員還計劃建立新的變體算法,以適用於其他動態模態分解應用,如 Koopman 分析。
約束和資料樣本數量
量子算法的主要約束是資料樣本數量必須保持較小,否則算法的複雜性將不會降低,量子優勢也將丟失。研究人員在設計算法時已經充分意識到這一點,並制定了資料樣本數量的上限,以確保強大的效能。然而研究人員程學表示:“透過數值測試,我們發現分析特定時序所需的樣本數量低於我們推導的上限,這進一步說明了我們算法的加速效能。”
應用探索
為了測試更改樣本數量的影響,研究人員在不同領域中探索了他們的量子算法的應用。第一個是資料去噪,類似於從影象中去除噪音的過程。第二個是場景背景提取,這是計算機視覺中的一個常見任務,透過比較同一場景的一系列影象來去除前景物體。第三個是流體動力學分析,用於預測氣體或液體的運動。該算法在這些任務上都取得了成功。
在許多可能的應用中,流體動力學尤其相關。程學解釋說:“動態模態分解最初用於流場資料分析。流體動力學研究往往產生高維流場資料,資料維度可能達到數十億。從這類資料中提取有意義的流場特徵是一個具有挑戰性的問題。”動態模態分解算法是時間序列分析中常用的分解和降維方法。
量子計算的未來
由於量子計算機仍在發展中並且相對不易使用,程學對其量子算法的工作進行了“理論推導加上數值模擬”。但他表示量子晶片技術與量子算法之間正以“協同作用”的方式快速發展,有望在不久的將來實現“革命性突破”。量子計算機的威力來自於其超位置和納碰狀態兩個不可思議的特性,這使得它能夠並行執行許多計算。然而正如程學提醒我們的那樣,量子計算“只能加速特定問題,無法取代經典計算機”。
延伸閱讀
- 在 TC 的 Techstars 調查內部以及人工智慧如何加速殘障科技
- Orbex 新一輪融資或加速其 Prime 微型運載火箭進入軌道
- 區塊鏈新創 Sei Labs 推出引人注目的解決方案,加速以太坊交易
- 中國生成影片競賽加速升溫
- 機器學習加速食品廠污染檢測
- 如何 AI 和其他技術加速遊戲開發?| Steven Collins 專訪
- Bumble 執行長 Whitney Wolfe Herd 分享 AI 將如何「超強加速」愛情與關係
- Uber Eats 與 Getir 在歐洲達成協議,以加速雜貨配送
- AI 生成更多的假訊息:如何加速假訊息的蔓延?
- Alpha3D 加速數位資產與 AI 驅動生成,透過更便宜且超大規模的技術