Zapata Computing, la società di intelligenza artificiale generativa industriale, ha annunciato che la sua ricerca sull’intelligenza artificiale generativa potenziata quantistica è stata pubblicata sulla prestigiosa rivista Nature Communications. L’articolo, intitolato “Pretraining sinergico di circuiti quantistici parametrizzati tramite reti tensoriali”, dimostra come i circuiti quantistici possano estendere e integrare le capacità dell’IA generativa classica.
“Siamo estremamente orgogliosi dei ricercatori di talento che hanno contribuito a questo lavoro rivoluzionario”, ha affermato Christopher Savoie , CEO e co-fondatore di Zapata AI. “Le tecniche quantistiche possono apportare enormi vantaggi alle applicazioni di intelligenza artificiale generativa aziendale e questa ricerca mostra come possiamo sfruttare al massimo le risorse di cui disponiamo oggi per realizzare tali vantaggi. Non è più una questione di confronto tra quantistica e classica, ma piuttosto come i due possano essere utilizzati sinergicamente insieme per ottenere risultati migliori, più velocemente. Non vediamo l’ora di applicare questa ricerca nel nostro lavoro con i clienti aziendali”.
Il lavoro si basa sul crescente portafoglio di tecniche quantistiche di Zapata AI per l’intelligenza artificiale generativa. Queste tecniche quantistiche offrono numerosi vantaggi per i problemi aziendali, inclusa la compressione di modelli grandi e computazionalmente costosi; velocizzare calcoli lunghi e costosi; e risultati più diversificati e di qualità superiore per l’intelligenza artificiale generativa. Maggiori dettagli su come la scienza quantistica può migliorare l’intelligenza artificiale generativa possono essere trovati in un recente post sul blog Zapata AI.
“Il nostro lavoro combina i punti di forza complementari dei computer quantistici e classici per raggiungere risultati migliori rispetto a ciascun tipo di hardware preso singolarmente”, ha affermato Jacob Miller, ricercatore quantistico presso Zapata AI. “Spesso le persone pensano che le tecnologie quantistiche e classiche siano in competizione tra loro, ma noi dimostriamo che i metodi classici possono effettivamente aiutare a superare un’importante limitazione nell’ottimizzazione dei dispositivi quantistici. Ci auguriamo che il nostro approccio “sinergico” possa iniziare a sbloccare il vero potenziale delle attuali tecnologie quantistiche per risolvere problemi computazionali intrattabili”.
“Nel nostro articolo su Nature Communications, mostriamo come le reti tensoriali, tradizionalmente utilizzate negli algoritmi classici, formano un ponte fondamentale verso gli algoritmi quantistici, offrendo una sinergia unica”, ha affermato Jing Chen , scienziato quantistico senior presso Zapata AI e autore dell’articolo insieme a Manuel Rudolph, Jacob Miller, Daniel Motlagh, Atithi Acharya e Alejandro Perdomo-Ortiz. “Questa integrazione non solo migliora entrambi i campi, ma allevia anche notevolmente le sfide legate agli sterili plateau dell’informatica quantistica. Il nostro approccio promuove la collaborazione, sfruttando i punti di forza dei metodi classici e quantistici per affrontare problemi complessi in modo più efficace.