یک شرکت مستقر در بریتانیا اولین مدل زبان بزرگ کوانتومی جهان (QLLM) را راه‌اندازی کرده است. این مدل توسط SECQAI توسعه یافته و ادعا می‌شود که قادر است آینده هوش مصنوعی را شکل دهد.
این شرکت محاسبات کوانتومی را در مدل‌های هوش مصنوعی سنتی ادغام کرده تا کارایی و حل مسائل را بهبود بخشد.
بر اساس گزارش‌ها، توسعه این فناوری شامل ایجاد یک شبیه‌ساز کوانتومی داخلی با یادگیری بر پایه شیب و مکانیزم توجه کوانتومی بود.
گام مهم
شرکت سخت‌افزار و
نرم‌افزار
فوق‌امنیت بیان می‌کند که این راه‌اندازی نشانه یک گام مهم در استفاده از هوش مصنوعی با ادغام محاسبات کوانتومی در ساختار سنتی مدل‌های زبان بزرگ برای افزایش کارایی محاسباتی، توانایی حل مسائل و فهم زبانی است.
"با راه‌اندازی اولین
مدل زبان بزرگ کوانتومی
جهان، ما وارد عصری جدید می‌شویم که در آن هوش مصنوعی می‌تواند از مکانیک کوانتومی برای بهبود نتایج استفاده کند،" گفت راحول تایگی، مدیر عامل و بنیانگذار SECQAI.
"این یک گام بسیار هیجان‌انگیز برای یادگیری ماشین کوانتومی است و می‌تواند در چندین صنعت تحول ایجاد کند. طی این سال بین‌المللی مهم علم و فناوری کوانتوم، ما به بررسی تداخل بین دنیای هوش مصنوعی و محاسبات کوانتومی برای پیشبرد این کاربردها ادامه خواهیم داد."
آزمون بتای خصوصی
به گزارش Quantum Insider، این فناوری از فوریه 2025 با شرکای منتخب وارد آزمون بتای خصوصی خواهد شد که نشانه‌ای از یک نقطه عطف مهم در
یادگیری ماشین کوانتومی
است.
SECQAI فاش کرد که تیم آنها بر موانع بزرگی که برای توسعه یک سیستم داخلی لازم بود تا یک کامپیوتر کوانتومی را به‌طور مؤثر شبیه‌سازی کند، پشتیبانی از یادگیری بر پایه شیب و در این محیط، توسعه یک مکانیزم توجه کوانتومی و ادغام آن در مدل‌های زبان بزرگ موجود، غلبه کنند.
این تبدیل‌کننده کوانتومی و شبیه‌ساز کوانتومی کاربرد گسترده‌ای دارند، از نوآوری در طراحی نیمه‌رساناها در اندازه‌های کوچک‌تر ترانزیستور تا شناسایی الگوهای پنهان در استانداردهای رمزنگاری کنونی، توسعه ساختارهای جدید مواد و کشف داروهای جدید در داروسازی. بنا بر یک بیانیه خبری، این فناوری در اوایل خود نویدبخش مناسبی نشان داده است.
مدل زبان بزرگ کوانتومی
گزارش‌ها نشان می‌دهند که QLLM می‌تواند به‌طور مؤثر شبیه‌سازی‌های پیچیده را برای بهینه‌سازی چیدمان‌های نیمه‌رسانا انجام دهد. این مدل الگوهای پنهان در رمزنگاری را کشف می‌کند و پروتکل‌های امنیتی را ارتقا می‌دهد. همچنین می‌تواند با مدل‌سازی دقیق‌تر تعاملات مولکولی، به طراحی دارو کمک کند.
ارزیابی ریسک و کشف تقلب به‌طور قابل ملاحظه‌ای با استفاده از آن در بخش مالی بهبود می‌یابد. این تکنولوژی می‌تواند همچنین از طریق روش‌های حل مسئله پیشرفته، تصمیم‌گیری در زمان واقعی در روباتیک را بهبود بخشد.
با این حال، محدودیت‌هایی وجود دارد زیرا همه سازمان‌ها نمی‌توانند زیرساخت‌های کوانتومی لازم را تأمین کنند و مدل ممکن است برای عملکرد بهینه به مقادیر وسیعی از داده‌ها نیاز داشته باشد، که می‌تواند چالش‌برانگیز باشد .
شرکت فاش کرد که در سال گذشته، یک تیم متخصص از مهندسان بر پیشبرد مرزهای این نسل بعدی پردازش شتاب‌یافته کار کرده‌اند. تیم بر چالش‌ها در زمینه ساخت یک مدل زبان بزرگ کوانتومی (QLLM) و رویکردهایی به یادگیری ماشین کوانتومی تمرکز داشت.
