DEEPROUTE.AI

La Computación Cuántica Permite que las Aplicaciones de IA Emprendan un Largo Viaje

Se requiere una gran cantidad de cálculos durante el entrenamiento de modelos de aprendizaje automático, entre los cuales el algoritmo de descenso de gradiente basado en gradientes es un método ampliamente utilizado para optimizar los parámetros del modelo. En la computación clásica, el cálculo del gradiente necesita repetir el cálculo de funciones que contienen parámetros, y con el aumento del número de variables en el modelo, estos cálculos requieren una gran cantidad de recursos computacionales, lo que causa un cuello de botella en la aritmética clásica durante el entrenamiento de grandes modelos actuales. Los investigadores de SpinQ han propuesto un nuevo método cuántico para el cálculo de gradientes que aprovecha el alto paralelismo de la computación cuántica para obtener los resultados numéricos del gradiente de funciones multivariables con un solo cálculo, proporcionando una solución eficiente al problema de optimización de parámetros.