นักเรียนสัมผัสประสบการณ์ควอนตัมที่ Swiss Lab ของ IBM IBM

นักเรียนสัมผัสประสบการณ์ควอนตัมที่ Swiss Lab ของ IBM IBM

เครดิตฟรี

“ IBM Quantum Experienceจะช่วยให้นักวิจัยและชุมชนวิทยาศาสตร์เร่งความเร็วของนวัตกรรมในสาขาควอนตัมได้ง่ายขึ้น และช่วยค้นพบแอปพลิเคชั่นใหม่ๆ สำหรับเทคโนโลยีนี้” Arvind Krishna รองประธานอาวุโสและผู้อำนวยการ IBM Research ในเดือนพฤษภาคมกล่าวเมื่อ บริษัทประกาศให้สาธารณชนเข้าถึงโปรเซสเซอร์ 5 qubit ผ่านระบบคลาวด์

สล็อต

นักวิทยาศาสตร์ของ IBM ที่เกษียณอายุแล้วคนหนึ่งใช้คำกล่าวนี้เป็นคำกระตุ้นการตัดสินใจ คริสตอฟ รอสเซลซึ่งใช้เวลา 27 ปีในห้องปฏิบัติการซูริกของไอบีเอ็ม ปัจจุบันดำรงตำแหน่งประธานสมาคมฟิสิกส์แห่งยุโรป (EPS) ซึ่งรับผิดชอบส่วนหนึ่งในการสร้างแรงบันดาลใจและสร้างนักวิทยาศาสตร์รุ่นใหม่ทั่วยุโรป
“เมื่อฉันได้ยินเกี่ยวกับ IBM Quantum Experience ฉันรู้ว่ามันจะเป็นโอกาสที่ดีที่จะแนะนำสิ่งที่ดีที่สุดและฉลาดที่สุดในยุโรปให้กับคำมั่นสัญญาของโลกควอนตัม” Rossel กล่าว “ในเวลาไม่กี่สัปดาห์ เราได้รวบรวมวาระและส่งคำเชิญไปยังสมาชิกEPS Young Minds ของเรา และเราก็ลงทะเบียนอย่างล้นหลาม”
เมื่อไม่กี่สัปดาห์ก่อน แล็บซูริกของ IBM ได้ต้อนรับนักศึกษาฟิสิกส์เกือบสองโหลจากสถาบันวิทยาศาสตร์ชั้นนำในสวิตเซอร์แลนด์ รวมถึง ETH Zurich, Paul Scherrer Institute, EPFL, University of Bern และ University of Basel
หลังจากการแนะนำโลกควอนตัม นักวิทยาศาสตร์ของ IBM Stefan Filipp , Andreas Fuhrer , Ivano Tavernelli , Gian Salis และNikolaj Mollได้ให้นักเรียนทำงานกับชุดการทดลองที่ออกแบบมาเพื่อใช้ประโยชน์จากระบบ 5 qubit IBM Quantum Experience ทีมงานได้ทำความคุ้นเคยกับผู้แต่งควอนตัม ส่วนต่อประสานกราฟิกกับผู้ใช้สำหรับการเขียนโปรแกรมคิวบิต และเขียนอัลกอริธึมควอนตัมของตนเอง ก่อนที่จะนำเสนอผลลัพธ์ ( ดูวิดีโอ )
“เราได้เตรียมแบบฝึกหัดที่ท้าทายอย่างมากหลายอย่างสำหรับนักเรียนที่พวกเขาเข้าใจได้อย่างรวดเร็ว แม้จะไม่มีพื้นฐานในกลศาสตร์ควอนตัมก็ตาม Moll กล่าว “บางทีมทำงานเกี่ยวกับพื้นฐานของกลศาสตร์ควอนตัม ในขณะที่ทีมอื่นๆ ทำงานในด้านการใช้งานที่มีความทะเยอทะยานมากขึ้น เช่น อัลกอริธึมการค้นหาของ Grover หรือการจำลองโมเลกุลไฮโดรเจน ประทับใจที่ได้เห็น”
ตั้งแต่งานจบลง Rossel ได้รับความคิดเห็นในเชิงบวกจากนักเรียน:
“ฉันชื่นชมการออกแบบที่หลากหลายของวันนั้นเป็นพิเศษ รวมถึงบทเรียนที่ทำขึ้นอย่างวิจิตรบรรจง นอกจากนี้ การบรรยายในตอนเช้ายังมีประโยชน์อย่างมากสำหรับความเข้าใจ โดยเฉพาะอย่างยิ่งด้านเทคนิคเมื่อมาจากพื้นที่ที่แตกต่างไปจากเดิมอย่างสิ้นเชิง” Sacha Schwarz มหาวิทยาลัยเบิร์นกล่าว
“ขอขอบคุณอีกครั้งสำหรับการมาเยี่ยมครั้งนี้ ซึ่งน่าตื่นเต้นจริงๆ และนำโดยนักวิจัยที่กระตือรือร้น หากการเยี่ยมชมในครั้งอื่นๆ เป็นไปได้ เรายินดีที่จะเข้าร่วม” บรูโน ริกัล, EPFL กล่าว
Moll เสริมว่า “ถ้าเราต้องการไปถึง 50 qubits ในอีกไม่กี่ปีข้างหน้า เราก็ไม่มีเวลาว่างเหลืออีก แต่ชัดเจนว่าหากไม่มีการสร้างระบบนิเวศควอนตัมล่วงหน้า เราจะไม่มีผู้ใช้สำหรับระบบดังกล่าว ดังนั้นทั้งการวิจัยและการสร้างชุมชนจึงต้องดำเนินการควบคู่กันไป ไม่ใช่อย่างใดอย่างหนึ่ง/หรือทั้งสองอย่าง”
ความเข้าใจในการฟัง
นอกเหนือจากการนำเสนอด้านใดด้านหนึ่งของการอภิปรายแล้ว การมีส่วนร่วมในการอภิปรายเชิงแข่งขันยังต้องการ Project Debater เพื่อโต้แย้งข้อโต้แย้งที่ยกขึ้นโดยฝ่ายตรงข้ามที่เป็นมนุษย์อย่างมีประสิทธิภาพ ระบบต้องฟังคำพูดโต้แย้งแบบเรียลไทม์ เข้าใจข้อโต้แย้งหลัก และสร้างข้อโต้แย้งที่โน้มน้าวใจ
ธรรมชาติของขอบเขตการโต้แย้งและลักษณะของการอภิปรายเชิงแข่งขันทำให้การทำความเข้าใจเนื้อหาที่พูดดังกล่าวมีความท้าทาย แนวคิดที่แสดงออกมามักจะครอบคลุมประโยคที่ไม่ต่อเนื่องกันหลายประโยค และมีการกล่าวถึงอาร์กิวเมนต์จำนวนมากมากกว่าที่จะกล่าวอย่างชัดแจ้ง ความยากลำบากเพิ่มเติมเกิดจากข้อกำหนดในการระบุและปฏิเสธส่วนที่สำคัญที่สุดของคำพูดที่มีความยาวหลายนาที สิ่งนี้แตกต่างกับตัวแทนการสนทนาในปัจจุบัน ซึ่งมีจุดมุ่งหมายเพื่อทำความเข้าใจคำสั่งการทำงานเดียวจากอินพุตสั้น ๆ
ใน “การโต้แย้งที่มีประสิทธิภาพ: ความเข้าใจในการฟังโดยใช้การขุดการอ้างสิทธิ์แบบกว้างๆ” เราอธิบายวิธีการทำความเข้าใจในการฟังที่มีพื้นฐานมาจากการคาดการณ์ข้อโต้แย้งของฝ่ายตรงข้าม มันเริ่มต้นด้วยการขุดโดยอัตโนมัติ ล่วงหน้า ชุดของการอ้างสิทธิ์ที่เกี่ยวข้องกับการสนทนาและสนับสนุนฝ่ายฝ่ายตรงข้าม ชุดนี้จะถูกจับคู่กับคำพูดจริง กระดาษนี้จะมาพร้อมกับขนาดใหญ่ที่มีคุณภาพสูงชุดที่มีหลายร้อยสุนทรพจน์บันทึก debaters มนุษย์ผู้เชี่ยวชาญการอภิปรายหัวข้อขัดแย้งต่าง ๆ พร้อมกับคำอธิบายประกอบชั้นระบุการเรียกร้องการทำเหมืองแร่ที่ระบุไว้ในแต่ละคำพูด
การสร้างแบบจำลองภาวะที่กลืนไม่เข้าคายไม่ออกของมนุษย์
เมื่อเราเริ่มปรึกษากับนักโต้วาทีมืออาชีพสำหรับโครงการนี้ เราตระหนักว่าการโต้แย้งที่พวกเขาใช้มักจะแตกต่างจากที่ระบบดึงมา นี่เป็นสิ่งที่คาดหวัง เนื่องจากระบบของเราสามารถอ้างอิงการศึกษาและผู้เชี่ยวชาญ ซึ่งผู้โต้เถียงในมนุษย์มักไม่ทราบ เนื่องจากแรงจูงใจสูงสุดของเราสำหรับระบบไม่ใช่เพื่อเอาชนะมนุษย์ แต่เพื่อช่วยเหลือพวกเขา ความแตกต่างในกลยุทธ์การโต้แย้งนี้จึงสอดคล้องกับเป้าหมายของการเพิ่มความสามารถของมนุษย์
ถึงกระนั้น ก็ยังน่าสนใจที่จะลองวิเคราะห์ว่ามนุษย์โต้เถียงกันอย่างไร เราสังเกตเห็นว่าเป็นเรื่องปกติที่นักโต้เถียงในมนุษย์จะใช้การโต้แย้งตามหลักการหรือธรรมดา ซึ่งเป็นข้อโต้แย้งที่สามารถทำได้ในบริบทของหัวข้อต่างๆ สิ่งนี้สามารถทำได้เมื่อไม่มีความคุ้นเคยกับรายละเอียดของหัวข้อมากนัก และอยากจะอภิปรายหลักการพื้นฐานมากกว่า อีกทางหนึ่ง เมื่อรู้สึกว่าหลักการพื้นฐานเป็นที่ยอมรับโดยทั่วไป เราสามารถโต้แย้งเชิงโน้มน้าวใจได้โดยเริ่มจากหลักการนี้ แล้วยกตัวอย่างวิธีการนำไปใช้กับหัวข้อการโต้วาที
ในขณะที่ข้อสังเกตนี้ชัดเจนต่อผู้อภิปรายที่เราปรึกษาด้วย แต่พวกเขาไม่สามารถชี้ไปที่คู่มือของข้อโต้แย้งทั่วไปดังกล่าวได้ อันที่จริง ใน “ การประดิษฐ์อาร์กิวเมนต์จากหลักการแรก ” เราพบว่ามันค่อนข้างท้าทายที่จะสร้างสัญชาตญาณนี้ให้เป็นแบบแผน โดยเฉพาะอย่างยิ่ง เราแสดงให้เห็นว่าเป็นไปได้ที่จะเกิดอาร์กิวเมนต์ที่มีหลักการที่ไม่สำคัญชุดเล็กๆ ขึ้นมา เพื่อให้สามารถหาอาร์กิวเมนต์ที่มีหลักการที่เกี่ยวข้องสำหรับหัวข้อส่วนใหญ่ในชุดนี้ ยิ่งกว่านั้น เราแสดงอัลกอริธึมการจำแนกประเภทที่ทำโดยอัตโนมัติด้วยความแม่นยำสูง

สล็อตออนไลน์

อาร์กิวเมนต์ตามหลักการเหล่านี้เป็นที่มาเสริมของข้อโต้แย้งที่ขุดได้จากบทความในหนังสือพิมพ์ ยิ่งไปกว่านั้น เมื่อระบุหลักการทั่วไปที่เกี่ยวข้องกับการโต้วาที เราสามารถใช้หลักการนี้เพื่อสร้างมากกว่าการโต้แย้ง อันที่จริงแล้ว กับ Project Debater เราใช้ความรู้นี้ในการเลือกข้อความสำหรับจัดกรอบหัวข้อ เพื่อเพิ่มคำพูดที่เกี่ยวข้อง และแม้แต่เพื่อใส่อารมณ์ขันลงไปด้วย ตัวอย่างเช่น หนึ่งในชั้นเรียนเกี่ยวกับทัศนคติที่มีต่อเทคโนโลยีใหม่ เมื่อระบบระบุว่าหัวข้อของการอภิปรายเกี่ยวข้องกับชั้นเรียนนี้ อาจสนับสนุนจุดยืนเชิงลบโดยใช้อาร์กิวเมนต์ เช่น “ความจริงก็คือไม่มีใครรู้ว่าเทคโนโลยีใหม่นี้เชื่อถือได้แค่ไหน” รวมทั้งคำพูด เช่นสิ่งนี้จาก Aldus Huxley: “ความก้าวหน้าทางเทคโนโลยีทำให้เรามีวิธีย้อนกลับที่มีประสิทธิภาพมากขึ้น”
ในการประมวลผลภาษาธรรมชาติ (NLP) การดึงความสัมพันธ์ (RE) ในงานสำคัญที่มีจุดมุ่งหมายเพื่อค้นหาความสัมพันธ์ทางความหมายระหว่างคู่ของการกล่าวถึงเอนทิตี RE เป็นสิ่งจำเป็นสำหรับงานดาวน์สตรีมหลายอย่าง เช่น การเติมฐานความรู้ให้สมบูรณ์และการตอบคำถาม
ในแอปพลิเคชันระดับองค์กรจำนวนมาก ย่อหน้าป้อนข้อมูลของระบบ RE มักจะมีเอนทิตีหลายคู่ ยกตัวอย่างเช่นวรรคในรูปที่ 1 ประกอบด้วยส่วนทั้งความสัมพันธ์ระหว่างชานเมืองทางตอนใต้และกรุงแบกแดดและศิลปะความสัมพันธ์ระหว่างอิรักและปืนใหญ่ อย่างไรก็ตาม วิธีการ RE ที่มีอยู่เกือบทั้งหมดถือว่าคู่ของเอนทิตีที่กล่าวถึงเป็นอินสแตนซ์อิสระ เมื่อใช้โมเดลการเรียนรู้เชิงลึกสำหรับ RE วิธีการเหล่านี้ต้องมีการเข้ารหัสย่อหน้าเดียวกันหลายครั้งสำหรับเอนทิตีหลายคู่ ซึ่งมีราคาแพงในการคำนวณ โดยเฉพาะอย่างยิ่งเมื่อย่อหน้าอินพุตมีขนาดใหญ่และโมเดลเชิงลึกมีขนาดใหญ่
เมื่อเร็ว ๆ นี้IBM Research AIและIBM Watsonได้ทำงานร่วมกันเพื่อพัฒนาแนวทางที่มีแนวโน้มว่าจะให้ประสิทธิภาพสูง (เข้ารหัสอินพุตในครั้งเดียว) และประสิทธิผล (บรรลุประสิทธิภาพที่ล้ำสมัย) วิธีการนี้ ซึ่งเผยแพร่ในการประชุมประจำปีครั้งที่ 57 ของ Association for Computational Linguistics ( ACL 2019 ) ได้ผลลัพธ์ที่ล้ำสมัยในเกณฑ์มาตรฐาน Automatic Content Extraction (ACE) 2005 และแสดงให้เห็นว่าวิธีการนี้มีประสิทธิภาพสูง วิธีการเข้ารหัสเวลาสามารถบรรลุผลลัพธ์ที่เทียบได้กับคู่แบบ multi-pass ที่ใช้เวลานานกว่า
โซลูชันที่เรานำเสนอสร้างขึ้นจากตัวเข้ารหัสภาษาที่ใช้งานทั่วไปซึ่งได้รับการฝึกอบรมและใช้งานบน Transformer ซึ่งรู้จักกันในชื่อ Bidirectional Encoder Representations จาก Transformers (BERT) เราทำการปรับเปลี่ยนสถาปัตยกรรม Transformer ใหม่สองครั้งเพื่อเปิดใช้งานการเข้ารหัสหลายความสัมพันธ์ในครั้งเดียว ขั้นแรก ยืมแนวคิดจากความก้าวหน้าล่าสุดในการแยกวิเคราะห์การพึ่งพา เราแนะนำเลเยอร์การทำนายแบบมีโครงสร้างให้กับ BERT สำหรับการทำนายความสัมพันธ์หลายรายการสำหรับคู่เอนทิตีที่แตกต่างกัน ดังแสดงที่ด้านบนสุดของรูปที่ 1 ประการที่สอง เราทำให้เลเยอร์การเอาใจใส่ตนเองของ Transformers รับรู้ ของตำแหน่งของหน่วยงานทั้งหมดในวรรคป้อนข้อมูล แนวคิดหลักคือการใช้ระยะห่างสัมพัทธ์ระหว่างคำและเอนทิตีเพื่อเข้ารหัสข้อมูลตำแหน่งสำหรับแต่ละเอนทิตี
[NPC4]แนวทางที่เสนอนี้เป็นวิธีแก้ปัญหาแบบแรกในประเภทเดียวกัน ซึ่งสามารถแยกความสัมพันธ์หลายรายการพร้อมกันด้วยการเข้ารหัสแบบผ่านครั้งเดียวของย่อหน้าอินพุต นอกเหนือจากการบรรลุประสิทธิภาพขั้นสูงในการดึงความสัมพันธ์แล้ว แนวคิดนี้ยังชี้ให้เห็นถึงวิธีที่ถูกต้องและมีประสิทธิภาพมากขึ้นในการเข้ารหัสข้อความที่เน้นเอนทิตีเป็นศูนย์กลาง ในอนาคตเราจะสำรวจการใช้วิธีนี้ในแอปพลิเคชันตอบคำถาม
สำหรับรายละเอียดเพิ่มเติม โปรดดูกระดาษ ACL 2019 ของเรา “การแยกหลายความสัมพันธ์ใน One-Pass ด้วย Transformers ที่ผ่านการฝึกอบรมล่วงหน้า ” ประพันธ์โดย Haoyu Wang, Ming Tan, Mo Yu, Shiyu Chang, Dakuo Wang, Kun Xu, Xiaoxiao Guo ซาโลนี่ โปทดาร์.
เมื่อผู้เยี่ยมชมส่วนใหญ่เยี่ยมชมศูนย์วิจัย Thomas J. Watson ของ IBM ในยอร์กทาวน์ไฮทส์ หนึ่งชั่วโมงทางเหนือของนครนิวยอร์ก พวกเขามักจะเห็นกำแพง Fellows ซึ่งเป็นแกลเลอรีภาพเหมือนของนักวิจัยของ IBM ทุกคนที่ได้รับตำแหน่งทางเทคนิคสูงสุดของบริษัท IBM Fellow นับตั้งแต่เริ่มโครงการในปี 2506 แต่ในอีกส่วนหนึ่งของอาคารที่ซ่อนตัวจากมุมมองเป็นอีกกำแพงหนึ่งที่มีภาพเหมือน แม้ว่าพวกเขาจะไม่ใช่ IBM Fellows ตามความหมายที่เป็นทางการ แต่พวกเขาก็เป็นกลุ่มเพื่อนที่แน่นแฟ้นเหมือนกันทุกประการซึ่งสร้างถั่วและสลักเกลียวของ IBM Researchอย่างแท้จริง พวกเขาเป็นที่รู้จักในฐานะผู้สร้างแบบจำลอง และแรงงานและความเชี่ยวชาญของพวกเขามักจะส่งผลให้เกิดต้นแบบแรกของอุปกรณ์และเทคโนโลยีในอนาคตจำนวนมาก
ร้านค้าแบบจำลองที่ IBM Research เป็นการผสมผสานระหว่างโรงรถของช่างเครื่อง สตูดิโอของช่างเขียนแบบ และพื้นที่ผู้ผลิต ผู้ผลิตโมเดลทุกคนสวมชุดแล็บโค้ตทนไฟสีน้ำเงินและแว่นตาป้องกัน ภายในร้านเต็มไปด้วยเครื่องกลึง, เครื่องกัด, เครื่องเจาะ, เลื่อย, เครื่องEDMแบบลวด , เครื่องพิมพ์ 3 มิติ และอื่นๆ อีกมากมาย และงูกั้นเทปสีเหลืองตามพื้นเพื่อกันไม่ให้ผู้มาเยี่ยมชมไม่กี่คนที่พบว่าพื้นที่เข้าใกล้กับเครื่องจักรขนาดใหญ่ที่พ่นเศษโลหะและจุดไฟมากเกินไป
Alan Morrison ผู้ดูแลร้านขายโมเดลและทำงานกับ IBM Research มาเป็นเวลา 25 ปี กล่าวว่า “เราไม่เพียงแค่รับงานหรือมีส่วนร่วมเท่านั้น เราใช้โครงการของนักวิจัยและฝังตัวเองไว้ในนั้นเพื่อให้เราสามารถทำสิ่งที่ทำได้เพื่อทำให้บางสิ่งบางอย่างมีชีวิตหรือทำให้ดีขึ้น”
ในช่วงอายุของโครงการ ผู้ผลิตแบบจำลองและนักวิทยาศาสตร์จะทำงานร่วมกันเพื่อหารือเกี่ยวกับความคืบหน้า การเปลี่ยนแปลง และการซ่อมแซม และบ่อยครั้งที่ผู้ผลิตรุ่นเดียวกันจะถูกเรียกให้อัปเดตหรือซ่อมแซมเครื่องจักรหรือชิ้นส่วนที่สร้างขึ้น แม้กระทั่งหลายทศวรรษต่อมา ผู้ผลิตแบบจำลองเป็นส่วนสำคัญของกระบวนการวิจัย ตามที่อลันชี้ให้เห็น “นักประดิษฐ์ทุกคนต้องการใครสักคนเพื่อช่วยสร้างความคิดของพวกเขา”
[NPC5]ร่างผ้าเช็ดปากจะทำ
ไม่มีวันปกติในร้านโมเดล แต่ในช่วงเวลาหนึ่ง มีโครงการหลายสิบโครงการที่กำลังดำเนินอยู่ คำขอจำนวนมากเข้ามาทางประตูโดยไม่มีการออกแบบหรือพิมพ์เขียวสำเร็จรูป คำขวัญของร้านโมเดลคือ “ภาพร่างผ้าเช็ดปาก” นักวิจัยนำเสนอลวดลายหยาบๆ บนกระดาษลัง ด้านหลังซอง วิศวกรได้ถ่ายสำเนาส่วนที่ตั้งใจให้เป็นตัวยึดโลหะเพื่อยึดอุปกรณ์ควอนตัมพร้อมด้วยข้อกำหนดที่เขียนด้วยลายมือเป็นจุดเริ่มต้น
การออกแบบที่ผิดปกติอีกอย่างหนึ่งเกี่ยวข้องกับนักวิทยาศาสตร์ที่เตรียมแบบจำลองพับกระดาษของกล่องโลหะที่เขาต้องการให้ร้านแบบจำลองสร้างเพื่อใช้เป็นอุปกรณ์ตรวจจับความร้อน
เมื่อเขาอธิบายสิ่งที่เขาทำกับเพื่อนๆ หรือบางคนที่เขาเพิ่งพบในงานปาร์ตี้ อลันชอบพูดว่าเขาทำงานในสถานที่ที่ไอเดียและแบบร่างเครื่องจักรถูกเปลี่ยนให้เป็นฮาร์ดแวร์และอุปกรณ์จริง