Sebbene l’hardware quantistico sia ancora immaturo, le aziende affermano di aver trovato un altro modo per far funzionare algoritmi quantistici complessi: eseguirli sugli stessi chip utilizzati per alimentare l’intelligenza artificiale.
Negli ultimi anni questo processo, noto come simulazione, ha ricevuto un impulso dalla crescente potenza di calcolo offerta dalle unità di elaborazione grafica e da altri chip avanzati.
“Nessuno pensava che ciò fosse possibile”, ha affermato Jack Hidary, CEO della società di software quantistico SandboxAQ, scorporata da Google nel 2022 . “Non dobbiamo aspettare un computer quantistico. Non stiamo usando un computer quantistico, ma stiamo usando equazioni quantistiche, software quantistici su GPU. E questo è un grande passo avanti”.
 Christmas Sale -40% 𝗖𝗵𝗿𝗶𝘀𝘁𝗺𝗮𝘀 𝗦𝗮𝗹𝗲! Sconto del 𝟰𝟬% 𝘀𝘂𝗹 𝗽𝗿𝗲𝘇𝘇𝗼 𝗱𝗶 𝗰𝗼𝗽𝗲𝗿𝘁𝗶𝗻𝗮 del Corso "Dark Web & Cyber Threat Intelligence" in modalità E-Learning sulla nostra Academy!🚀
Fino al 𝟯𝟭 𝗱𝗶 𝗗𝗶𝗰𝗲𝗺𝗯𝗿𝗲, prezzi pazzi alla Red Hot Cyber Academy. 𝗧𝘂𝘁𝘁𝗶 𝗶 𝗰𝗼𝗿𝘀𝗶 𝘀𝗰𝗼𝗻𝘁𝗮𝘁𝗶 𝗱𝗲𝗹 𝟰𝟬% 𝘀𝘂𝗹 𝗽𝗿𝗲𝘇𝘇𝗼 𝗱𝗶 𝗰𝗼𝗽𝗲𝗿𝘁𝗶𝗻𝗮.
Per beneficiare della promo sconto Christmas Sale, scrivici ad [email protected] o contattaci su Whatsapp al numero di telefono: 379 163 8765.
Se ti piacciono le novità e gli articoli riportati su di Red Hot Cyber, iscriviti immediatamente alla newsletter settimanale per non perdere nessun articolo. La newsletter generalmente viene inviata ai nostri lettori ad inizio settimana, indicativamente di lunedì. |
Le GPU sono chip specializzati e progettati per supportare il pesante carico degli addestramenti delle IA. Di fatto un ruolo chiave nel supportare l’intelligenza artificiale generativa.
Nvidia ad una valutazione di trilioni di dollari all’inizio di quest’anno, sebbene anche altre società, tra cui Amazon e Google, producano chip IA specializzati.
Gli algoritmi quantistici si adattano bene alle GPU grazie alla loro capacità di gestire calcoli densi e memoria a larghezza di banda elevata, tra le altre cose, ha affermato Timothy Costa, Direttore HPC e Quantum Computing di Nvidia. “È un carico di lavoro che si adatta perfettamente alle GPU per gli stessi motivi per cui l’intelligenza artificiale è perfetta per le GPU“, ha affermato.
Gli algoritmi quantistici hanno approcci fondamentalmente diversi alla risoluzione dei problemi rispetto agli algoritmi classici, ma funzionano per determinati casi d’uso, inclusa la simulazione del comportamento di materiali naturali, come le molecole, e problemi di ottimizzazione.
È possibile eseguire alcuni di questi algoritmi sui computer quantistici su piccola scala che esistono oggi, che funzionano su unità di elaborazione quantistica, o QPU, ma la tecnologia è nelle fasi iniziali e il tasso di errore di queste macchine rimane elevato.
Negli ultimi due anni c’è stata un’esplosione dell’adozione delle GPU per casi d’uso di simulazione quantistica, ha affermato Costa.
“Le aziende hanno giocato con gli algoritmi quantistici“, ha affermato Markus Pflitsch, fondatore, presidente e CEO del fornitore di tecnologia quantistica Terra Quantum. “Ora la cosa diventa interessante: come posso migliorare le prestazioni aziendali con queste cose?”.
Ad esempio SandboxAQ questo mese ha dichiarato che stava lavorando con la società di batterie NOVONIX per utilizzare la simulazione quantistica per modellare il comportamento degli ioni, le particelle cariche nelle batterie agli ioni di litio. NOVONIX, che ha sede a Brisbane, in Australia, ha affermato che la collaborazione consentirà loro di sviluppare nuovi modelli di apprendimento automatico in grado di prevedere con precisione la durata delle celle agli ioni di litio.
Seguici su Google News, LinkedIn, Facebook e Instagram per ricevere aggiornamenti quotidiani sulla sicurezza informatica. Scrivici se desideri segnalarci notizie, approfondimenti o contributi da pubblicare.
