ประสบการณ์ควอนตัมที่ Maker Faire

ประสบการณ์ควอนตัมที่ Maker Faire

เครดิตฟรี

เรากำลังนำโปรเซสเซอร์ควอนตัม 16 คิวบิตตัวใหม่ของเราไปใช้ในงาน Bay Area Maker Faire ตั้งแต่วันที่ 19-21 พฤษภาคม ฉันจะไปที่นั่นพร้อมกับ IBM คนอื่นๆ อีก 15-20 คนจากห้องทดลอง Almaden ของเรา เป้าหมายของเรา: ช่วยให้คุณเรียนรู้เกี่ยวกับการคำนวณควอนตัม – และทำไมมันถึงยอดเยี่ยม!

สล็อต

ยังไม่ได้ใช้เวลาทดลองกับประสบการณ์ของ IBM Q ใช่ไหม ไม่ใช่ปัญหา. มาที่บูธและรับหลักสูตรความผิดพลาดในการเขียนโปรแกรม จากนั้นคุณสามารถเข้าสู่ระบบและลองทดลองของคุณเองฟรี ใช่บนอุปกรณ์ควอนตัมจริง คอมพิวเตอร์ควอนตัมสาธารณะที่ล้ำหน้าที่สุดในโลก
นอกจากนี้เรายังได้สร้างการสาธิตใหม่ล่าสุดที่จะช่วยให้คุณเข้าใจว่า qubits ทำงานอย่างไร เคยเล่นไจโรสโคปไหม? มันสามารถช่วยให้คุณเรียนรู้เกี่ยวกับสถานะควอนตัมและวิธีที่เราจัดการกับมัน ด้วยไจโรสโคปเชิงกล เราสามารถเปลี่ยนสถานะได้โดยใช้แรงบิดเชิงกล ด้วย qubits เราทำด้วยคลื่นไมโครเวฟ!
คำศัพท์เช่น “การซ้อนทับควอนตัม” จะมีความหมายมากขึ้นทันทีที่คุณเล่นกับกล่องที่พิมพ์ 3 มิติของเราซึ่งมีพฤติกรรม (เช่น) คล้ายกับ qubits ไฟ LED ภายในจะเปลี่ยนสี ขึ้นอยู่กับว่าคุณสังเกตและจัดการกล่องอย่างไร ในบางกรณี พวกเขาจะปฏิบัติตามกฎของการสุ่มควอนตัมด้วย! ไม่แน่ใจว่าหมายถึงอะไร? เราจะบอกคุณเกี่ยวกับเรื่องนี้ที่บูธ
หลาย qubits ทำงานร่วมกันอย่างไร คุณสามารถดูรายละเอียดออนไลน์ได้ แต่จะช่วยให้สามารถ “เห็น” และ “สัมผัส” การทดลองควอนตัมในโลกทางกายภาพได้ นั่นเป็นเหตุผลที่เราติดตั้งบอร์ด DIY ที่มีไฟ LED ห้าดวงสำหรับประสบการณ์ IBM Q ในระบบคลาวด์ ออกแบบมาเพื่อนำควอนตัมมาสู่โลกทางกายภาพผ่านการแสดงภาพที่มีสีสัน
ตั้งค่าการทดสอบใดๆ ที่คุณต้องการผ่านอินเทอร์เฟซเว็บของเราจากนั้นนำผลลัพธ์ของคุณกลับมาเป็นสตริง LED ที่มีสีสัน เกือบจะเหมือนกับที่คุณเห็น qubits เอง เราได้รวมปุ่มสำหรับทำซ้ำการทดลองของคุณ – เพื่อสอนคุณเกี่ยวกับการสุ่มควอนตัมอีกครั้ง เรียกใช้รหัสเดียวกันหลายครั้งและคุณอาจได้ผลลัพธ์ที่แตกต่างกัน
จากการสาธิตทั้งหมดนี้ เราหวังว่าจะเป็นแรงบันดาลใจให้คุณทำสิ่งต่างๆ ด้วยตัวเองเมื่อคุณกลับถึงบ้าน เรายินดีที่จะรู้ว่าสิ่งที่คุณมีความคิดเพื่อแบ่งปันให้ที่#IBMQและ#MakerFaire
สำหรับความผิดพลาดจริงแน่นอนในเหตุผลที่เรารู้สึกตื่นเต้นมากเกี่ยวกับเรื่องนี้ร่วมฉันในวันอาทิตย์ที่ 21 พฤษภาคมบนเวทีกลางในเขตเจ็ดสำหรับคู่มือการเริ่มต้นของการควอนตัมคอมพิวเตอร์ ฉันจะลงรายละเอียดเพิ่มเติมเกี่ยวกับปัญหาที่แท้จริงที่คอมพิวเตอร์ควอนตัมจะแก้ไข สิ่งที่ผู้คนกำลังทำกับตัวประมวลผลควอนตัมของเรา และวิธีที่คุณสามารถทำการทดลองต่อไปได้ดีหลังจาก Maker Faire
โดยปกติในเช้าวันศุกร์ ฉันจะคดเคี้ยวไปตามหุบเขาบนเนินเขาทางตอนใต้ของซานโฮเซไปยัง IBM Research – Almaden ซึ่งฉันทำงานเป็นวิศวกรที่ปรึกษาและนักวิทยาศาสตร์สำหรับการวิจัยของเราในด้านแมกนีโตอิเล็กทรอนิกส์ สปินทรอนิกส์ และสาขาที่เกี่ยวข้อง แต่ต้องขอบคุณการบรรจบกันที่น่าทึ่งของงาน IBM ของฉันและงานอดิเรกภายนอกของฉัน ฉันกำลังเขียนสิ่งนี้ขณะนั่งบนรถ CalTrain ด่วน ระหว่างทางไป San Mateo ซึ่งฉันจะเป็นส่วนหนึ่งของกลุ่มพนักงานที่บูธIBM Qที่ เบย์ แอเรีย เมคเกอร์ แฟร์
การสร้างบอท
ฉันยังสาธิต DIY TJBotที่บูธของ IBM ที่ Maker Faire ซึ่งรวมถึงไลบรารีที่อนุญาตให้สื่อสารกับ API สาธารณะของ Watson ได้ ดังนั้นบอทหัวโตตัวเล็ก ๆ ตัวนี้ที่นั่งอยู่บนโต๊ะทำงานของคุณจึงมีพลังในการประมวลผลทั้งหมดของ Watson สำหรับการจดจำเสียง การแยกวิเคราะห์ภาษา และการประมวลผลภาพ ฉันได้รับการสร้างตัวเองบอท Arduino-based ของฉันสำหรับความสนุกที่บ้านรวมทั้งเหรียญทองของฉันชนะบาร์เทนเดหุ่นยนต์Thinbot มันหมายความว่าฉันมีการฝึกฝนมากมายในการสาธิตหุ่นยนต์ต่อสาธารณชนในพื้นที่จัดแสดงที่มีเสียงดัง
ส่วนที่ฉันชอบที่สุดในงานนี้คือการนำเสนองานของเราต่อสาธารณชนทั่วไป ฉันได้พูดคุยเกี่ยวกับวิทยาศาสตร์เกี่ยวกับ spintronics มาเป็นเวลา 15 ปีแล้ว และห้องปฏิบัติการขนาดใหญ่ของเราเป็นสถานที่ยอดนิยมสำหรับผู้มาเยือน Almaden ฉันซาบซึ้งจริงๆ ที่ IBM ยังคงทำการวิจัยทางวิทยาศาสตร์ขั้นพื้นฐานเพื่อประโยชน์ในการวิจัย ไม่ใช่แค่เทคโนโลยีผลิตภัณฑ์ และการสามารถแบ่งปันความตื่นเต้นนั้นเป็นสิ่งที่ทำให้ดีอกดีใจและคุ้มค่า
อย่างที่คุณอาจจินตนาการได้ ฉันเห็นด้วยอย่างกระตือรือร้นที่จะช่วยสาธิตประสบการณ์ IBM Q ซึ่งเป็นคอมพิวเตอร์ควอนตัมที่ใช้งานได้ฟรีของ IBM บนคลาวด์ งานในห้องปฏิบัติการของฉันตอนนี้ยังรองรับการคำนวณควอนตัมด้วย ดังนั้นสิ่งนี้จะทำให้ฉันมีโอกาสได้เรียนรู้เกี่ยวกับสิ่งนั้น – ผ่านหลักสูตรความผิดพลาดในเครื่องมือ นี่หมายถึงการดำน้ำจำนวนมากในคู่มือสำหรับผู้เริ่มต้นใช้งานดังนั้นฉันจึงสามารถอธิบายให้สาธารณชนทราบว่า qubits ทำงานอย่างไร (และอาจจะไม่มีนัยสำคัญ ฉันต้องเรียนรู้ระบบผู้โดยสารของ CalTrain อีกครั้งเพื่อที่ฉันจะได้ไปซานมาเทโอตรงเวลา)
ดังนั้นฉันอยู่ที่นี่ในเวลา 8:28 น. เพื่อรอลงที่สถานี Hillsdale และเดินไปที่ Hayward Event Center ทันเวลาเพื่อเรียนรู้ว่าการสาธิตใหม่ล่าสุดทำงานอย่างไร ประตูสู่ Maker Faire เปิดตอนเที่ยง และเราจะเป็นตัวแทนของ IBM ที่หนึ่งในคอลเลกชันที่บ้าที่สุดของมือสมัครเล่น ศิลปิน ช่างฝีมือ และแฮ็กเกอร์ในโลก

สล็อตออนไลน์

ซิลิคอนโฟโตนิกส์ใช้แสงเมื่อเทียบกับไฟฟ้าเพื่อส่งสัญญาณจากไมโครชิป วิศวกรของ IBM ใช้พัลส์แสงเหล่านี้เพื่อเพิ่มการเชื่อมต่อและแบนด์วิดท์ระหว่างศูนย์ข้อมูลเพื่อการถ่ายโอนข้อมูลที่รวดเร็วกว่าในระยะทางที่ไกลกว่า แต่ซิลิคอนโฟโตนิกส์ไม่ได้มีไว้สำหรับศูนย์ข้อมูลเท่านั้น IBM เห็นเทคโนโลยีที่ช่วยปรับปรุงทุกอย่างตั้งแต่เซ็นเซอร์ IoT ไปจนถึงควอนตัมโฟโตนิกส์
Jessie Rosenberg PhD และอดีตผู้ริเริ่มForbes 30 Under 30เพิ่งเข้าร่วม The Optical Society ( OSA ) ใน Reddit เพื่อขออะไรซักอย่างเพื่อพูดคุยเกี่ยวกับซิลิคอน และคำถามมีตั้งแต่การประมวลผลด้วยแสงทั้งหมดไปจนถึงการเดินทางระหว่างดวงดาว
Jessie Rosenberg:เมื่ออัตราข้อมูลสูงขึ้น ระยะการแพร่กระจายผ่านการเชื่อมต่อระหว่างทองแดงจะสั้นลง ในระยะหนึ่ง มีจุดตัดขวางที่การเปลี่ยนไปใช้เลนส์และด้านหลังจะช่วยประหยัดพลังงานได้จริง เมื่อตัวรับส่งสัญญาณแสงมีประสิทธิภาพมากขึ้นและแบนด์วิดท์ที่ต้องการจะสูงขึ้น จุดครอสโอเวอร์นั้นจะสั้นลง เริ่มต้นด้วยระยะทางโทรคมนาคม หลายกิโลเมตร และตอนนี้ลดลงเหลือระดับหลายร้อยเมตรในศูนย์ข้อมูล เมื่อเวลาผ่านไปฉันคิดว่าเลนส์จะไปถึงแผงวงจรอย่างแน่นอน!
มีงานที่ IBM และที่อื่นๆ บน “แบ็คเพลนออปติคัล” ซึ่งเป็นสิ่งที่คุณอธิบายไว้ โดยทั่วไปใน PCBs วิธีการคือการใช้เลเยอร์การกำหนดเส้นทางแบบออปติคัลที่มีท่อนำคลื่นพอลิเมอร์ ดูตัวอย่าง เอกสารสองชิ้นนี้จาก IBM เกี่ยวกับการส่งข้อมูลแบบการ์ดต่อการ์ดและโมดูลต่อโมดูล ผ่าน PCB แบบออปติคัล
JR:ก้าวกระโดดครั้งใหญ่ครั้งต่อไปจะมาจากการย้ายไปยังรูปแบบการมอดูเลตที่มีลำดับสูงกว่า – การเข้ารหัสข้อมูลที่มีระดับความรุนแรงหลายระดับ โพลาไรซ์ หรือความยาวคลื่นเพิ่มเติม แทนที่จะเป็นเพียงศูนย์และหนึ่ง เรามีมัลติเพล็กซ์ความยาวคลื่นอยู่แล้ว แต่เราสามารถเพิ่มช่องความยาวคลื่นเพิ่มเติมที่นั่นได้ นอกจากนี้เรายังได้สาธิตโมดูเลเตอร์ PAM-4 56 Gb/s แบบเสาหินซึ่งใช้ระดับความเข้มสี่ระดับเพื่อเข้ารหัสข้อมูลเพิ่มเติมที่อัตรานาฬิกาเดียวกัน
ที่ผ่านมานั้น มีระบบวัสดุใหม่ๆ ที่น่าสนใจมาก เช่น กราฟีน โพลีเมอร์ หรือวัสดุที่ไม่เป็นเชิงเส้น ความท้าทายที่จะเกิดขึ้นคือการผสานรวมกับการผลิตในปริมาณมากและการบรรลุผลตอบแทนสูงเพื่อพัฒนากระบวนการเชิงพาณิชย์ที่เชื่อถือได้ การรวมวัสดุใหม่เข้ากับเทคโนโลยี CMOS มีแนวโน้มที่จะเป็นกระบวนการที่ช้า อย่างไรก็ตามประวัติศาสตร์แสดงให้เห็นว่าสามารถทำได้เมื่อจำเป็น!
JR:หลายกลุ่มกำลังดำเนินการเรื่องนี้อยู่! มีหลายวิธีในการสร้าง qubits – การใช้โฟตอนออปติคัลเนื่องจาก qubits นั้นทำได้ยาก เนื่องจากความไม่เชิงเส้นที่ความถี่ออปติคัลนั้นต่ำ และเป็นการท้าทายที่จะสร้างแหล่งกำเนิดโฟตอนเดี่ยวที่กำหนดได้ (แม้ว่านักวิจัยกำลังดำเนินการเรื่องนี้อยู่!) ที่ IBM เราใช้ qubits ตัวนำยิ่งยวด ซึ่งเก็บข้อมูลเป็นไมโครเวฟโฟตอน กลุ่มคอมพิวเตอร์ควอนตัมที่นี่ได้สาธิตคอมพิวเตอร์ควอนตัมขนาด 5 บิตที่รวมอยู่ในชิป ซึ่งนำเสนอเป็นประสบการณ์ควอนตัมของ IBMสำหรับทุกคนในการทดลอง เว็บไซต์ Quantum Experience เต็มไปด้วยบทช่วยสอนและวิดีโอ ซึ่งเป็นแหล่งข้อมูลที่ดีในการเรียนรู้เกี่ยวกับคอมพิวเตอร์ควอนตัมโดยทั่วไปรวมถึงงานของเราที่ IBM

jumboslot

เหล่านี้เป็น qubit แบบคงที่ แต่เรายังต้องสามารถส่ง qubits ในระยะทางไกลได้อีกด้วย สำหรับสิ่งนั้น เราจำเป็นต้องแปลงระหว่าง qubits แบบอยู่กับที่และระยะยาว ซึ่งเรียกว่า qubits “กำลังบิน” โฟตอนออปติคัลทำงานได้ดีเหมือนกับ qubits ที่บินได้ เนื่องจากพวกมันสามารถแพร่กระจายได้โดยมีการสูญเสียใยแก้วนำแสงต่ำ การจับคู่ระหว่าง qubit แบบอยู่กับที่และแบบบินถือเป็นความท้าทายที่สำคัญ เนื่องจากต้องทำด้วยความเที่ยงตรงสูงและไม่รบกวนข้อมูลใน qubit นี้เป็นพื้นที่การวิจัยหลักสำหรับกลุ่มของเราในขณะนี้
JR: โดยส่วนตัวแล้ว ฉันภูมิใจกับระบบทดสอบโฟโตนิกในสเกลเวเฟอร์แบบอินไลน์ที่ฉันออกแบบและสร้างร่วมกับทีมทดสอบออปติคัล ซึ่งช่วยให้เราสามารถวัดอุปกรณ์ไฟฟ้าและอุปกรณ์ออปติคัลทั้งหมดโดยอัตโนมัติในซิลิคอนเวเฟอร์ แม้กระทั่งก่อนที่เวเฟอร์จะประมวลผลเสร็จ ระบบทดสอบตั้งอยู่ในคลีนรูมจริงของโรงหล่อเซมิคอนดักเตอร์ และทดสอบโฟโตนิกส์เวเฟอร์ทุกตัวตั้งแต่เนิ่นๆ ของกระบวนการ เพื่อตรวจหาเกณฑ์การยอมรับแผ่นเวเฟอร์บางประเภท หากข้อกำหนดใดไม่เป็นไปตามมาตรฐาน เวเฟอร์นั้นสามารถถูกทิ้งก่อนที่จะผ่านขั้นตอนการประมวลผลและบรรจุภัณฑ์ที่ใช้เวลานานและมีราคาแพง
เท่าที่วิวัฒนาการ – ดีซิลิกอนโฟโตนิกช่วยให้ศูนย์ข้อมูลและซูเปอร์คอมพิวเตอร์ขนาดใหญ่ขึ้น ซูเปอร์คอมพิวเตอร์สามารถทำการจำลองทางชีววิทยา เช่น การพับโปรตีน การทำความเข้าใจการพับของโปรตีนช่วยพัฒนาการรักษาทางการแพทย์ที่ดีขึ้น การรักษาพยาบาลที่ดีขึ้น -> วิวัฒนาการ???
สำหรับการเดินทางระหว่างดวงดาว – ศูนย์ข้อมูลขนาดใหญ่สามารถทำการวิเคราะห์เพิ่มเติมเกี่ยวกับชุดข้อมูลทางดาราศาสตร์ที่ใหญ่กว่า (IBM ได้ทำงานร่วมกับสถาบันดาราศาสตร์วิทยุแห่งเนเธอร์แลนด์เพื่อใช้ Big Data เพื่อถอดรหัสบิ๊กแบง ) ซึ่งอาจช่วยให้เราค้นหาดาวเคราะห์คล้ายโลกมากขึ้นเพื่อตั้งรกราก ท่ามกลางหมู่ดาว เมื่อเราแก้ปัญหาที่น่ารำคาญของการไปถึงที่นั่นแล้ว…
JR:ขอแสดงความยินดีกับการเข้าร่วม CLEO ครั้งแรกของคุณ! ฉันขอแนะนำให้เข้าร่วมบทช่วยสอนให้มากที่สุดเท่าที่คุณจะทำได้ เราแน่ใจว่าจะเลือกวิทยากรที่ยอดเยี่ยมที่สามารถให้ภาพรวมข้อมูลของสาขาวิชานั้นๆ ได้ เป็นวิธีที่ยอดเยี่ยมในการขยายฐานความรู้และคิดไอเดียใหม่ๆ
ช่วงหลังกำหนดเส้นตายยังเป็นหนึ่งในไฮไลท์ของสัปดาห์ด้วย มีเพียงไม่กี่เซสชันที่เกิดขึ้นพร้อมกันและแสดงงานวิจัยที่น่าตื่นเต้นที่สุด นอกจากนี้ ฉันยังแนะนำให้เดินผ่านพื้นที่จัดแสดงด้วย ซึ่งเป็นประโยชน์มากในการสร้างเครือข่ายกับผู้ขาย และทำความเข้าใจว่ามีอะไรอยู่ในตลาดบ้าง หวังว่าคุณจะสนุกกับการเดินทางของคุณ!
การตอบคำถาม (QA) เป็นปัญหาหลักใน AI งานเชิงโต้ตอบจำนวนมากที่เกี่ยวข้องกับภาษาธรรมชาติสามารถจำลองเป็นปัญหา QA ได้ ตัวอย่างเช่น งานทั่วไปในโดเมนการเงินคือการตอบคำถามเช่น “มีนักลงทุนกี่คนที่ซื้อหุ้นที่ถูกจำกัดภายในหนึ่งในสี่ของการเปิดบัญชี”
ในช่วงไม่กี่ปีที่ผ่านมา การเรียนรู้เชิงลึกทำให้เกิดความก้าวหน้าอย่างมากในการปฏิบัติงานด้าน QA การใช้วิธีการเรียนรู้เป็นหลักได้เปรียบเนื่องจากช่วยลดการพึ่งพาวิธีการที่ใช้กฎด้วยตนเองซึ่งไม่ได้ปรับขนาด การเรียนรู้เชิงลึกจะสร้างการแสดงแทนทางประสาทของทั้งแบบสอบถามและการแปลงเพื่อให้ได้คำตอบ แม้ว่าการเรียนรู้เชิงลึกจะเป็นเส้นทางใหม่สำหรับ QA แต่แบบจำลองทางประสาทดังกล่าวยังคงมีแนวโน้มที่จะทำผิดพลาด โดยเฉพาะอย่างยิ่งเมื่อการสืบค้นมีความซับซ้อนมากขึ้น นอกจากนี้ เหตุผลที่ทำให้การเรียนรู้เชิงลึกมาถึงคำตอบนั้นไม่สามารถอธิบายให้ผู้ใช้เข้าใจได้เสมอไป
[NPC5]วิธีที่เข้าใจง่ายกว่าในการเข้าถึงงานที่ซับซ้อน เช่น QA คือการใช้การเรียนรู้เชิงลึกเพื่อแยกโครงสร้างงานออกเป็นลำดับของขั้นตอนที่ง่ายกว่า เหมือนกับที่ผู้คนทำ ด้วยแรงกระตุ้นจากทิศทางนี้ งานวิจัยเมื่อเร็วๆ นี้จึงได้สร้างกระบวนทัศน์การเรียนรู้ใหม่ที่เรียกว่า Neural Program Induction เมื่อใช้เทคนิคนี้ แบบจำลอง AI สามารถสอนให้แยกงานที่ซับซ้อนเป็นขั้นตอนเป็นโปรแกรมได้ เช่น ลำดับของการกระทำของอะตอม ซึ่งเมื่อดำเนินการแล้วจะนำไปสู่คำตอบ ในปัจจุบัน การวิจัยเกี่ยวกับการเหนี่ยวนำโปรแกรมประสาทถูกจำกัดไว้เฉพาะงานที่ง่ายกว่า เช่น การเรียงลำดับ การเพิ่มตัวเลข หรือ QA แบบมัลติฮอปอย่างง่ายบนตารางฐานข้อมูลขนาดเล็กหรือฐานความรู้ ที่สำคัญกว่านั้น มักรวมถึงการสันนิษฐานที่ทำไม่ได้ว่าโปรแกรมภาคพื้นดินสามารถจัดเตรียมไว้เป็นการควบคุมดูแลระหว่างการฝึกอบรมโดยนักพยากรณ์