Kosmos, sztuczna inteligencja i nowe technologie - IWD Partner

Kwantowe sieci neuronowe w modelu 30B – test Multiverse Computing

Multiverse Computing, hiszpańska firma specjalizująca się w obliczeniach kwantowych, przetestowała kwantowe sieci neuronowe (Quantum Neural Networks, QNN) zintegrowane z dużym modelem językowym liczącym 30 miliardów parametrów. To jeden z pierwszych publicznie opisanych przypadków, w których architektura kwantowa styka się z modelem LLM tej skali – i choć wyniki wymagają dalszej weryfikacji, samo podjęcie eksperymentu sygnalizuje, że granica między obliczeniami kwantowymi a generatywną AI zaczyna się zacierać szybciej, niż większość środowiska się spodziewała. Na czym polegał eksperyment z 30-miliardowym modelem? Multiverse Computing przeprowadziło testy, w których komponenty oparte na kwantowych sieciach neuronowych zostały włączone do struktury modelu językowego klasy 30B – czyli modelu o 30 miliardach parametrów. Modele tej skali należą do kategorii, które standardowo wymagają ogromnych zasobów obliczeniowych przy treningu i inferencji. Podejście firmy zakłada, że wybrane warstwy lub moduły sieci mogą zostać zastąpione lub uzupełnione przez obwody kwantowe. Zamiast klasycznych operacji na macierzach parametrów, QNN korzystają z właściwości mechaniki kwantowej – superpozycji i splątania – do reprezentowania i przetwarzania informacji w sposób niedostępny dla klasycznego sprzętu. Czym są kwantowe sieci neuronowe? Kwantowa sieć neuronowa to architektura obliczeniowa, która łączy koncepcję sieci neuronowej z wykonaniem na komputerze kwantowym lub hybrydowym układzie kwantowo-klasycznym. Zamiast klasycznych neuronów z wagami liczbowymi, QNN operują…