IonQ und Hyundai haben sich zusammengetan, um Quantum ML auf die automobile Erkennung von Ampeln und ... [+] anderen Objekten anzuwenden.Automobilhersteller, Zulieferer, Händler und Dienstleister wissen, dass Quantencomputer letztendlich einen großen Einfluss auf fast jeden Aspekt der Branche haben werden.Daimler, Honda, Hyundai, Ford, BMW, Volkswagen und Toyota haben alle irgendeine Form von Quantenbewertungsprogrammen im Einsatz.Klassische Computer können viele der bedeutenden realen Probleme aufgrund der Rechenkomplexität nicht lösen oder weil Berechnungen übermäßig viel Zeit in Anspruch nehmen würden, vielleicht Hunderte, Tausende oder sogar Millionen von Jahren.Quantencomputing bietet das Potenzial, diese Probleme in überschaubarer Zeit zu lösen.Obwohl die aktuelle Hardware nicht weit genug fortgeschritten ist, um die Anzahl der benötigten Qubits zu unterstützen, arbeiten wir bereits an der Implementierung von Fehlerkorrekturlösungen, um fehlertolerante Quantenmaschinen zu bauen.Die gleichen Hardware- und Fehlerkorrekturbeschränkungen schränken das volle Potenzial des quantenmechanischen Lernens ein.In einigen Fällen hat es sich bei aktuellen Quantencomputern als hilfreich erwiesen;es kann auch die Ergebnisse einiger klassischer Modelle übertreffen.IonQ hat eine Forschungsgeschichte mit Quantenmaschinenlernen, daher freute ich mich darauf, mit Peter Chapman, CEO von IonQ, über seine Partnerschaft mit Hyundai Motors zu sprechen.Zunächst erklärte Chapman, dass das Ziel der Partnerschaft darin bestehe, das Potenzial von Quantencomputern zur Bereitstellung verbesserter Mobilitätslösungen für autonome Fahrzeuge zu ermitteln.Für diese Projekte wird IonQ Aria verwenden, seinen neuesten Quantencomputer mit eingeschlossenen Ionen.IonQ kombinierte vor zwei Monaten seine Quantencomputing-Expertise mit Hyundais Lithiumbatterie-Know-how.Es entwickelt anspruchsvolle quantenchemische Simulationen, um Lade- und Entladezyklen, Kapazität, Haltbarkeit und Sicherheit von Batterien zu untersuchen.Als Weiterentwicklung ihrer Beziehung werden das Team von IonQ und Hyundai Modelle für quantenmechanisches Lernen (QML) entwickeln, um Verkehrszeichen zu erkennen und zu erkennen und 3D-Objekte wie Fußgänger und Radfahrer zu identifizieren.Das Erkennen von Verkehrszeichen und das Identifizieren von 3D-Objekten sind entscheidende Elemente von Fahrerassistenzsystemen (ADAS), die von autonomen Fahrzeugen verwendet werden.ADAS hängt von Kameras, Lidar, Radar und anderen Sensoren für Eingaben an Bord-AV-Computer ab, die die Fahrumgebung interpretieren und darauf reagieren.Eine Studie der National Highway Transportation Safety Administration aus dem Jahr 2016 ergab, dass 94 % bis 96 % der Unfälle auf menschliches Versagen zurückzuführen sind.Mit quantenerweiterten Eingaben für ADAS ist es wahrscheinlich, dass menschliche Fehler minimiert werden können, um Unfälle zu reduzieren.Zu Beginn seiner Karriere war Chapman Präsident eines Unternehmens von Ray Kurzweil, wo er Erfahrungen mit maschinellem Lernen sammelte.Infolgedessen verfügt er über ein tiefes Wissen über klassische maschinelle Lernmodelle und die komplizierten Schritte, die zum Identifizieren von Bildern erforderlich sind.Noch wichtiger ist, dass er versteht, warum QML viel schneller und effizienter sein wird als sein klassisches Gegenstück.„QML benötigt keine zahlreichen Verarbeitungsschritte für die Erkennung von Verkehrszeichen wie klassische Ansätze zur Objekterkennung“, sagte er.„Quantum erkennt ein Zeichen und interpretiert seine Bedeutung in einem einzigen Schritt.“IonQ hat bereits den schwierigen Rechenteil des Verkehrszeichenerkennungsprojekts abgeschlossen.Es hat bereits Quantenmaschinen-Lernmodelle (QML) trainiert, die eine standardisierte Datenbank mit 50.000 Bildern verwenden, um 43 verschiedene Klassifikationen von Verkehrszeichen zu erkennen.Als nächstes wird IonQ sein QML-Modell unter realen Fahrbedingungen in der Testumgebung von Hyundai testen.Chapman erklärte auch, warum er glaubt, dass Quantenmaschinenlernen und Objekterkennung sich als viel leistungsfähiger erweisen werden als die klassische.„Was passiert, wenn Ihr Auto etwas sieht, auf das es noch nie trainiert wurde? Nehmen wir einen Sonderfall, z. B. eine Person mit einem dreifach breiten Kinderwagen, die zwei Hunde an der Leine führt, mit ihrem iPhone spricht und eine Tasche trägt von Lebensmitteln. Wenn die Trainingsdaten dieses Szenario noch nie gesehen hätten, wie würde das Auto reagieren? Ich denke, Quantenmaschinenlernen wird diese Lücken füllen und eine bekannte Antwort auf Dinge liefern, die es vorher nicht gesehen hat.“IonQ Quantum Machine Learning-MeilensteineIm Folgenden werden verschiedene QML-Projekte zusammengefasst, an denen IonQ in den letzten Jahren teilgenommen hat.1. Im Oktober 2021 wurde IonQ das erste reine Quantenunternehmen, das an der New Yorker Börse notiert ist.2. Während Quantencomputer noch in den Kinderschuhen stecken, ist es noch zu früh, um eine Technologie auszuwählen, die zu fehlerfreien Quantensystemen führt, die Millionen von Qubits verwenden, um weltverändernde Probleme zu lösen.Die Technologie, die letztendlich auf diesem Niveau funktioniert, wird heute möglicherweise noch nicht einmal verwendet.Die Skalierung auf Millionen logischer Qubits ist für alle Gate-basierten Quantencomputer noch viele Jahre entfernt.3. Quanten-Qubits sind zerbrechlich und anfällig für Fehler, die durch Interaktion mit der Umgebung verursacht werden.Die Fehlerkorrektur ist ein Gegenstand ernsthafter Forschung von fast jedem Quantenunternehmen.Es wird nicht möglich sein, Quantencomputer auf eine große Anzahl von Qubits zu skalieren, bis eine praktikable Fehlerkorrekturtechnik entwickelt ist.Ich erwarte erhebliche Fortschritte im Jahr 2022.4. Technische Details der täglichen IonQ-FCAT-Aktienrenditestudie sind hier verfügbar.5. Technische Details der IonQ-Zapata-Hybrid-QML-Forschung sind hier verfügbar.6. Der Zugriff auf IonQ-Quantensysteme ist über die Cloud auf Amazon Braket, Microsoft Azure und Google Cloud sowie über direkten API-Zugriff verfügbar.Folgen Sie Paul Smith-Goodson auf Twitter, um aktuelle Informationen und Erkenntnisse zu Quanten und KI zu erhaltenOffenlegung: Meine Firma, Moor Insights & Strategy, bietet oder hat, wie alle Forschungs- und Analystenfirmen, Forschung, Analyse, Beratung und/oder Beratung für viele Hightech-Unternehmen in der Branche bereitgestellt.Ich halte keine Beteiligungen an den in dieser Spalte genannten Unternehmen.Erfahren Sie mehr von Moor Insights & Strategy auf seiner Website, Twitter, LinkedIn, Facebook, Google+ und YouTube.