谷歌量子計算改進圖像分類,微美全息5G核心算法助力AI視覺發展

 　　在一個新的教程中,谷歌的研究人員演示了如何使用量子計算技術對由單個光子照射的28像素乘28像素的圖像進行分類。通過改變光子的量子態,他們表明他們能夠在流行的手寫數字MNIST語庫上實現「至少」41.27%的精度——比傳統計算方法提高了21.27%。

　　谷歌已經證明了量子計算也能解決傳統機器學習中的圖像分類問題,而且隨著技術發展,量子計算機將在在學習能力上超越經典的神經網絡。

　　另外量子計算還能解決經典網絡中一些棘手問題,比如預防出現模型訓練中的梯度消失問題。

　　工作研究人員說,這是為了說明量子力學教科書可以揭示人工智慧問題,認為最大的可實現的分類精度,如果一個算法必須做出決定後發現第一個「量子」的光(即光子)通過液晶屏幕顯示一個圖像從一個數據集。MNIST,最經典的計算可以完成的是檢測一個落在圖像像素上的光子,然後通過將每張圖像的亮度重調到一個單位和來從光強分布中猜測數字。

　　MNIST 對於機器學習研究者來說再熟悉不過了,它是一個由 Yann Lecun 等人創建的手寫數字圖像數據集,包含訓練集和測試集,訓練集包含 60000 個樣本,測試集包含 10000 個樣本(在 2019 年又增加了 50000 個測試集樣本)。

　　研究人員的量子力學方法使用分光器、移相器和其他光學元件來創建一個類似全息圖的推理模式。光子降落的推理模式區域可以用於圖像分類,說明沒有必要同時照亮多個光子以產生幹擾。

　　研究人員寫道:「從概念上講,利用幹擾來提高量子實驗產生所尋求結果的可能性,是所有量子計算的基本理念。」「除了為量子和機器學習專家提供一個簡單易懂的玩具問題之外,這個簡單量子/簡單機器學習角也可能對在一個更容易理解的設置中教授測量過程的物理很有興趣。」

　　有人預測,量子計算將在人工智慧和機器學習領域取得重大進展。例如,去年3月,IBM、MIT和牛津大學的研究人員在《自然》雜誌上發表了一篇論文,聲稱隨著量子計算機變得更加強大,它們將能夠進行特徵映射。在高度複雜的數據結構上,將數據分解成非冗餘的特性,這是傳統計算機無法做到的。然後,研究人員將能夠開發出更有效的人工智慧,例如,能夠識別經典計算機看不到的數據模式。

　　「機器學習和量子計算這兩項技術都有可能改變計算的執行方式,以解決以前無法解決的問題,」《自然》雜誌論文的合著者寫道。量子算法提供的計算加速的一個核心要素是通過可控的糾纏和幹涉來開發指數級大的量子狀態空間。

　　在現代科技中,量子力學和機器學習都發揮著重要作用,量子計算的 AI 應用這一新興領域很有可能幫助許多學科實現重大突破。然而,目前大多數機器學習從業者對量子力學還沒有透徹的了解,多數量子物理學家對機器學習的理解也非常有限。因此,找到一些二者都能理解的問題非常重要,這些問題既要包含簡單且被廣泛理解的機器學習思想,也要包含類似的量子力學思想。

　　全息技術可能是量子計算的關鍵

　　研究光的突破可能就是量子計算未來的入場券。利用電子和光之間相互作用的量子性質,以能量而不是空間來分離光束——這使得他們可以利用光脈衝加密電子波的信息,並用高速電子顯微鏡對其進行映射。

　　攝影測量不同顏色的光照射攝影膠片的程度。然而,光也是波,因此以相為特徵。相位指定波周期內點的位置並與信息深度相關,這意味著記錄物體散射的光的相位可以檢索其完整的3D形狀,這是通過簡單照片無法獲得的。這是光學全息術的基礎,在星球大戰等科幻電影中由花哨的全息展示。

　　目前,微美全息為中國領先的全息雲綜合技術方案提供商之一,公司提供從全息視覺AI合成與呈現、全息互動軟體開發、全息AR廣告投放、全息AR SDK支付、5G全息通訊軟體開發到全息人臉識別等全息AR技術的一站式服務,商業應用場景主要聚集在家用娛樂、光場影院、演藝系統、商業發布系統及廣告展示系統等五大專業領域。

　　在招股書裡顯示,隨著5G全息通訊網絡帶寬條件變化,5G全息應用市場將迎來爆發,全息互動娛樂、全息會議、全息發布會等高端應用逐步向全息社交、全息通訊、全息導航、全息家庭應用等方向普及。微美全息雲計劃基於全息AI人臉識別技術和全息AI人臉換臉技術為核心技術,用多個技術創新的系統支持全息雲平臺服務和5G通訊全息應用。

　　目前,傳統的全息術可以通過測量光從物體不同部分傳播的距離差異來提取3D信息,但這需要來自不同方向的額外參考光束來測量兩者之間的幹擾。這個概念與電子相同,但由于波長短得多,我們現在可以獲得更高的空間解析度。例如,我們能夠通過使用超短電子脈衝形成全息圖來記錄快速移動物體的全息電影。

　　除了量子計算之外,與替代方案相比,該技術具有最高的空間解析度,並且可能改變我們在日常生活中對光的思考方式。到目前為止,科學和技術僅限於自由傳播光子,用於宏觀光學設備,新的全息技術讓我們可以看到納米級光線會發生什麼,這是小型化和將光器件集成到集成電路上的第一步。

　　提到5G網絡,與4G時代不同,將具有更高速率、更低時延和海量的連接。較4G提升數十倍的速度、低於1ms的低時延、全球超過500億臺設備相互連接。以此,也建立了超寬帶移動通信(eMBB)、超低延時通信(uRLLC)、海量物連(mMTC)三大5G應用場景。正是基於這三大場景讓5G時代催生了更多AR全息、無人駕駛和遠程醫療、萬物互連等市場的應用。從人與人的交互,轉變成物與物的溝通,實現電信級的蜂窩物聯,或將引發人類社會的一場新變革。

　　通信行業專家指出,射頻在5G手機的設計中尤為關鍵。4G手機最大的製造成本在屏幕與處理器,但5G手機最大的成本或許會轉向整套的射頻方案。市場調查機構Navian預測,2020年僅移動終端中射頻前端晶片的市場規模將達到212億美元,年複合增長率達15.4%。5G時代將有更多的頻段資源被投入使用,多模多頻使得射頻前端的晶片需求增加,同時Massive MIMO、波束成形、載波聚合、毫米波等關鍵技術也將助長射頻前端晶片需求增加這一趨勢,直接推動射頻前端晶片市場成長。

　　5G帶來的超寬帶高速傳輸能力和低時延,可以解決VR/AR渲染能力不足、互動體驗不強、終端移動性差和眩暈等痛點問題。

　　在普及AR的過程中,5G的優勢主要體現在三個方面:更高的容量,更低的延遲和更好的網絡均勻性。

　　當網絡時延降低至毫秒級時,由於運動狀態與視覺系統不一致造成的不適感將不復存在,因此5G網絡的商用將使AR在傳輸方面的屏障將被打通,困擾AR技術在移動端應用的問題將會迎刃而解,AR/VR生態圈日趨成熟,將伴隨5G迎來新的發展機會。