Kvantinė kompiuterija: pagrindinis sąjungininkas siekiant verslo tikslų

Pateikė Atsakyti

Verslo pasaulyje kvantinių technologijų taikymo galimybės yra susijusios su optimizavimu: sudėtingų verslo problemų sprendimu, sudėtingų procesų perkonfigūravimu ir sąsajų tarp iš pažiūros skirtingų duomenų rinkinių supratimu. Pagrindinis kvantinio skaičiavimo tikslas – per labai trumpą laiką atlikti skaičiavimo požiūriu brangias operacijas, tuo pačiu paspartinant verslo efektyvumą.

Kvantinė kompiuterija gali optimizuoti verslo procesus įvairiems sprendimams, pavyzdžiui, maksimaliai padidinti sąnaudų ir naudos santykį arba optimizuoti finansinį turtą, operacijas ir logistiką bei darbo jėgos valdymą – paprastai tai suteikia tiesioginės finansinės naudos. Daugelis įmonių jau naudoja (arba planuoja naudoti) klasikinius optimizavimo algoritmus. Keturiais tarptautiniais atvejų tyrimais Reply įrodė, kad kvantinis metodas gali duoti geresnių rezultatų nei esami optimizavimo metodai.

Greitis ir skaičiavimo galia yra pagrindiniai komponentai dirbant su duomenimis. Naudojant pagreitintą aparatinę įrangą, pvz., kvantinio apdorojimo blokus ar grafinius apdorojimo įrenginius, užtikrinamas našumas, reikalingas operacijoms, kurioms reikalinga didelė skaičiavimo galia. Tokie sektoriai, kaip logistika, finansai ir gamyba, gali turėti daug naudos iš šio požiūrio. O kubitas, kuris yra pagrindinis kvantinio skaičiavimo elementas, leidžia organizacijoms spręsti savo iššūkius visiškai nauju būdu. Technologijoms bręstant, atrodo, kad kvantinės kompiuterijos galimybė visiškai disponuoti verslui – vadinamoji kvantinė viršenybė – vis labiau artėja.

Pastaraisiais metais „Reply“ dalyvavo kuriant koncepcijų ir projektų, kurie taiko kvantinius algoritmus realiems naudojimo atvejams daugelyje verslo sričių, įrodymus, pateikdami klientams konkrečius ir veiksmingus atsakymus į jų problemas.

2018 m. „Reply“ gavo stipendiją moksliniams tyrimams, kad galėtų naudoti Universitetų kosmoso tyrimų asociacijos „D-Wave“ kvantinį atkaitintuvą, kuris yra Kvantinio dirbtinio intelekto tyrimų programos, kurioje dalyvauja tokie dalyviai kaip NASA ir „Google“, dalis. Ir neseniai, Atsakymas paskelbė tyrimą viduje konors Springerio kvantinės mašinos intelektas recenzuojamas žurnalas apie tai, kaip kvantinis atkaitintuvas gali tiksliai išspręsti sudėtingas optimizavimo problemas.

Yra daug būdų, kaip kvantinį skaičiavimą galima panaudoti realiame pasaulyje, įskaitant finansų, logistikos ir transporto operacijas.

Kvantas finansų optimizavimui

Kvantinė kompiuterija naudojama optimizavimui finansų srityje. Dėka kvantinio algoritmo, sukurto kartu su Reply, kredito įstaiga galėjo optimizuoti kasdienes įkaito išlaidas, susijusias su ne biržos (OTC) išvestinių finansinių priemonių prekyba, atsižvelgdama į modelio netiesiškumą ir įdiegdama specialią modeliavimu pagrįstą optimizavimo įrankį. planuoti kelis scenarijus.

Kvantinė kompiuterija taip pat gali būti naudojama portfeliui optimizuoti: „Reply“ padėjo įstaigai apriboti savo riziką, nustatydama turto rinkinį su minimalia koreliacija tarp jų. Išanalizavus duomenis, susijusius su koreliacijomis tarp aktyvų, buvo sukurtas netiesinis modelis, o kvantinis algoritmas leido rasti optimalų portfelio paskirstymą.

Kvantas logistikai: pristatymas ir darbo jėgos optimizavimas

Kita svarbi sritis, kuriai „Reply“ ekspertai sutelkė dėmesį, yra krovinių pristatymas ir darbo jėgos valdymo pasaulis. Optimalaus prekių pristatymo ar darbo jėgos operacijų maršruto nustatymas yra sudėtingas procesas dėl didelio kintamųjų skaičiaus.

Atsakymas abi šias optimizavimo problemas interpretavo kaip kvantinį algoritmą, pasiekdamas daug geresnių rezultatų nei tie, kurie paprastai gaunami naudojant tradicinius metodus. Kvantiniai sprendimai leidžia nuolat tobulinti modelius, didinant sprendimų tikroviškumą ir kokybę arba pridedant naujų apribojimų, pvz., siauresnių pristatymo langų, nedarant reikšmingos įtakos skaičiavimo laikui ir tuo pačiu optimizuojant maršruto atstumo ir našumo koeficientus.

Kvantinis traukinio platformos optimizavimui

Reply dalyvavo bandant kvantines geležinkelių transporto technologijas. Geležinkelio stočiai, kuri valdo 300 traukinių atvykimą į 20 linijų per valandą, sprendimas, nustatantis geriausią atvykimo kelią, optimizuojantis keleivių susisiekimą ir valdantis tokias operacijas kaip techninė priežiūra ir traukinių judėjimas, išsprendžia daugybę logistinių iššūkių. Šiuo konkrečiu atveju optimizavimas reiškia galimybę priimti daugiau traukinių, garantuoti daugiau kelionių ir taip padidinti pajamas. Projektas, pristatytas Pasaulinis geležinkelių tyrimų kongresas 2019 m. lapkritį Tokijuje, leido pasiekti geriausią ir efektyviausią derinį bei maksimaliai padidinti skirtingų traukinių atvykimą vienu metu.

Kvantas telekomunikacijoms: tinklo planavimas

Telekomunikacijų sektorius taip pat sėkmingai startavo kvantinio skaičiavimo bandymai . Šioje srityje Reply dirbo su telekomunikacijų operatoriumi, siekdamas optimizuoti radijo ląstelių planavimą, įdiegdamas 4,5G ir 5G tinklo parametrų planavimo algoritmą su 10 kartų greitesniu proceso optimizavimu, palyginti su tradiciniais metodais. Tai taip pat leido sureguliuoti radijo ląstelių planavimą, teikiant našesnę ir patikimesnę mobiliojo ryšio paslaugą bei geresnę klientų patirtį.

Kvantinė kompiuterija: kas toliau?

Problemų, kurias galima išspręsti naudojant kvantinį formalizmą, spektras yra platus: jis neapsiriboja kombinaciniu optimizavimu, o pereina į kitas sritis, tokias kaip mašininis mokymasis ir kvantinis saugumas. Kvantiniai neuroniniai tinklai ir kvantiniai interneto tinklai yra tik du įdomesni.

Kvantinių kompiuterių našumas gerokai viršija dabartines galimybes ir atveria mus naujam žinių amžiui. Tai neabejotinai teigiamas pokytis. Tačiau kibernetinis saugumas tebėra pagrindinis rūpestis, todėl kvantinis kibernetinis saugumas tapo itin aktualia tema ir atsirado nemažai sudėtingų priemonių, skirtų apsaugoti komercinius sandorius ir duomenų perdavimą. Tai apima kvantinių raktų paskirstymą, kvantinio saugumo algoritmus ir kvantinių atsitiktinių skaičių generatorius.

Kita vertus, kvantinis mašininis mokymasis (QML) maksimaliai išnaudoja dviejų dabartinių temų: kvantinio skaičiavimo ir mašininio mokymosi privalumus. Nors QML vis dar yra ankstyvoje stadijoje, ji vis dėlto siūlo visiškai naują galimybių pasaulį, sujungiant naujas mašininio mokymosi teikiamas žinias su pagreitintu skaičiavimo potencialu ir padidintu kvantinių skaičiavimų tikslumu.

Sekite naujienas su Atsakyti dėl tolimesnių pažangų.

paslėpti