【重磅!中國宣布成功構建76個光子的量子計算原型機“九章”,算力超越谷歌“懸鈴木”一百億倍,實現“#量子霸權” 】
據新華社消息,昨天,中國科學技術大學宣布該校潘建偉等人成功構建76個光子的量子計算原型機“九章”,求解數學算法高斯玻色取樣只需200秒,而目前世界最快的超級計算機要用6億年。200秒只是短短一瞬,6億年早已是滄海桑田。這一突破使我國成為全球第二個實現“量子霸權”的國家。
“量子霸權Quantum Supremacy”,是指量子計算機可以做經典計算機根本做不到的事情。該詞由加州理工學院的約翰•普雷斯基爾(John Preskill)於2012年創造。
“當新生的量子計算原型機,在某個問題上的計算能力超過了最強的傳統計算機,就證明其未來有多方超越的可能。”中科大教授陸朝陽說,多年來國際學界高度關註、期待這個裏程碑式轉折點到來。
去年9月,美國谷歌公司推出53個量子比特的計算機“懸鈴木”,對一個數學算法的計算只需200秒,而當時世界最快的超級計算機“頂峰”需2天,全球率先宣布實現“量子霸權”。
而根據目前最優的經典算法,“九章”量子計算原型機速度比谷歌的“懸鈴木”快一百億倍,而且“九章”通過高斯玻色取樣證明的量子計算優越性不依賴樣本數量,克服了谷歌53比特隨機線路取樣實驗中量子優越性依賴於樣本數量的漏洞。
近期,潘建偉團隊與中科院上海微系統所、國家並行計算機工程技術研究中心合作,成功構建76個光子的量子計算原型機“九章”。實驗顯示,當求解5000萬個樣本的高斯玻色取樣時,“九章”需200秒,而目前世界最快的超級計算機“富嶽”需6億年。等效來看,“九章”的計算速度比“懸鈴木”快100億倍,並彌補了“懸鈴木”依賴樣本數量的技術漏洞。
潘建偉團隊這次突破歷經20年,主要攻克高品質光子源、高精度鎖相、規模化幹涉三大技術難題。與通用計算機相比,“九章”還只是“單項冠軍”。但其超強算力,在圖論、機器學習、量子化學等領域具有潛在應用價值。
機器學習 樣本數 在 台灣人工智慧學校 Facebook 八卦
【人工智慧適合解決什麼問題?】
我們可以用兩個軸度,來為所有可能的決策問題做分類。圖的橫軸表示是否容易為此問題取得大量資料,也就是樣本數的多寡。因為機器學習是基於資料,來學習已知與未知,也可以說是觀測與決策之間的關係。因此,歷史資料愈充足,愈有機會萃取出,觀測與決策在各種條件下的關聯性。縱軸表示該問題是否與情境相關。#人工智慧在台灣 #陳昇瑋老師出新書 #書摘
讀完這篇 >> http://bit.ly/2W4SMAy
⚡️《人工智慧在台灣》新書預購中
天下網路書店 http://bit.ly/2X2WuHj
博客來網路書店 http://bit.ly/2W0n4oe
👉 台北、新竹、中部、南部,四校招生中 http://bit.ly/2K52VpF
👉 「智慧醫療專班」報名請點這裏 http://bit.ly/2VCyRnF
機器學習 樣本數 在 台灣人工智慧學校 Facebook 八卦
【人工智慧適合解決什麼問題?】
我們可以用兩個軸度,來為所有可能的決策問題做分類。圖的橫軸表示是否容易為此問題取得大量資料,也就是樣本數的多寡。因為機器學習是基於資料,來學習已知與未知,也可以說是觀測與決策之間的關係。因此,歷史資料愈充足,愈有機會萃取出,觀測與決策在各種條件下的關聯性。縱軸表示該問題是否與情境相關。#人工智慧在台灣 #陳昇瑋老師出新書 #書摘
讀完這篇 >> http://bit.ly/2W4SMAy
⚡️《人工智慧在台灣》新書預購中
天下網路書店 http://bit.ly/2X2WuHj
博客來網路書店 http://bit.ly/2W0n4oe
👉 台北、新竹、中部、南部,四校招生中 http://bit.ly/2K52VpF
👉 「智慧醫療專班」報名請點這裏 http://bit.ly/2VCyRnF
機器學習 樣本數 在 為什麼統計學重要?秒懂機器學習背後的統計基礎 - 知勢 的相關結果
當樣本的特徵數越多,可採用的維度數就越高,理論上維度數越高則不同類別之間的分散量越高(上左圖),同時統計估計的準確率就會變差。相對的維度數越高, ... ... <看更多>
機器學習 樣本數 在 少量標註樣本的機器(深度)學習 - DigiTimes 的相關結果
按照目前的研究進展,我們將少量樣本學習的方法大致分為三類,包括:data augmentation(資料生成)、metric learning(度量學習)、以及meta learning( ... ... <看更多>
機器學習 樣本數 在 「机器学习」到底需要多少数据? - 知乎专栏 的相關結果
机器学习 中对于数据的表达一般是n*m的矩阵,n代表样本的数量,一行(row)数据代表一个独立数据。而m代表特征变量(attribute/feature/variable)的数量, ... ... <看更多>