شرکت SECQAI مستقر در بریتانیا، نخستین مدل زبانی بزرگ کوانتومی (QLLM) جهان را معرفی کرده که قادر است تحولی بنیادین در آینده هوش مصنوعی ایجاد کند.
به گزارش تکناک، این شرکت با ادغام محاسبات کوانتومی در مدل‌های سنتی هوش مصنوعی، سطح کارایی و توانایی حل مسائل پیچیده را بهبود بخشیده است. توسعه این فناوری مستلزم ایجاد یک شبیه‌ساز کوانتومی داخلی با قابلیت یادگیری مبتنی بر گرادیان و مکانیزم توجه کوانتومی بوده است.
مکانیزم توجه کوانتومی (Quantum Attention Mechanism) یک رویکرد نوین در یادگیری ماشین کوانتومی می‌باشد، که بر پایه مفاهیم مکانیک کوانتومی طراحی شده است. این مکانیزم مشابه مکانیزم توجه در مدل‌های زبانی بزرگ سنتی (مانند Transformer) عمل می‌کند، اما به شیوه‌ای کارآمدتر از برهم‌نهی، درهم‌تنیدگی و تداخل کوانتومی برای پردازش اطلاعات بهره می‌گیرد.
فهرست مطالب
گامی مهم در تکامل هوش مصنوعی
شرکت SECQAI که در زمینه سخت‌افزار و نرم‌افزارهای امنیتی فعالیت دارد، این نوآوری را گامی مهم در مسیر توسعه هوش مصنوعی می‌داند. این مدل با تلفیق قابلیت‌های محاسبات کوانتومی با ساختار سنتی مدل‌های زبانی بزرگ، توان محاسباتی، قابلیت حل مسئله و درک زبانی را به میزان قابل توجهی افزایش می‌دهد.
راهول تیاگی، مدیرعامل و بنیان‌گذار SECQAI، در این‌باره گفت:
«با معرفی نخستین مدل زبانی بزرگ کوانتومی، وارد عصری جدید می‌شویم که در آن هوش مصنوعی از ظرفیت‌های مکانیک کوانتومی برای ارتقای عملکرد بهره خواهد برد.»
وی تصریح کرد: «این پیشرفت، گامی هیجان‌انگیز در حوزه یادگیری ماشین کوانتومی است و می‌تواند تأثیر شگرفی بر صنایع مختلف بگذارد. در این سال که به علم و فناوری کوانتومی اختصاص یافته است، به کاوش در هم‌گرایی میان هوش مصنوعی و محاسبات کوانتومی ادامه خواهیم داد تا دامنه کاربردهای این فناوری گسترش یابد.»
آغاز آزمایش‌های بتای خصوصی از فوریه ۲۰۲۵
براساس گزارش Quantum Insider، این فناوری در فوریه ۲۰۲۵ وارد مرحله آزمایش‌های بتای خصوصی با همکاری شرکای منتخب خواهد شد، که این خود نقطه عطفی مهم در مسیر پیشرفت یادگیری ماشین کوانتومی به حساب می‌آید.
شرکت SECQAI اعلام کرده است که تیمی از متخصصان این شرکت موفق شده‌اند چالش‌های فنی مرتبط با توسعه یک سیستم شبیه‌ساز کوانتومی را پشت سر بگذارند.
این سیستم قادر است علاوه بر شبیه‌سازی دقیق یک رایانه کوانتومی، از یادگیری مبتنی بر گرادیان پشتیبانی کند و در عین حال، یک مکانیزم توجه کوانتومی را در مدل‌های زبانی بزرگ موجود ادغام نماید.
کاربردهای گسترده مدل زبانی بزرگ کوانتومی
این فناوری جدید که شامل یک ترانسفورماتور کوانتومی و یک شبیه‌ساز کوانتومی است، قابلیت‌های گسترده‌ای را در اختیار صنایع مختلف قرار می‌دهد. از جمله آنها می‌توان به موارد زیر اشاره کرد:
- طراحی نیمه‌هادی‌ها: بهینه‌سازی فرایند طراحی در ابعاد کوچک‌تر و افزایش دقت تولید
- امنیت و رمزنگاری: کشف الگوهای پنهان در استانداردهای رمزنگاری و ارتقای امنیت سایبری
- صنعت داروسازی: مدل‌سازی دقیق‌تر تعاملات مولکولی و کمک به کشف داروهای جدید
- بخش مالی: بهبود ارزیابی ریسک و تشخیص تقلب از طریق تحلیل داده‌های کلان
- فناوری‌های رباتیک: افزایش دقت در تصمیم‌گیری‌های آنی و ارتقای روش‌های حل مسئله
چالش‌ها و محدودیت‌های مدل زبانی بزرگ کوانتومی
با وجود قابلیت‌های گسترده، چالش‌هایی نیز در مسیر بهره‌برداری از این فناوری وجود دارد. تأمین زیرساخت‌های کوانتومی، که برای اجرای این مدل‌ها ضروری است، هزینه‌بر می‌باشد و امکان دارد برای همه سازمان‌ها قابل تأمین نباشد.
علاوه بر این، عملکرد بهینه مدل زبانی بزرگ کوانتومی مستلزم دسترسی به حجم عظیمی از داده‌ها است، که جمع‌آوری و پردازش آن می‌تواند چالش‌برانگیز باشد.
شرکت SECQAI اعلام کرده است که در طول یک سال گذشته، تیمی از مهندسان خبره این شرکت به طور مستمر در تلاش بوده‌اند تا مرزهای محاسبات شتاب‌یافته را گسترش دهند.
تمرکز اصلی این تیم بر حل چالش‌های مرتبط با توسعه مدل‌های زبانی بزرگ کوانتومی (QLLM) و بررسی روش‌های نوین در یادگیری ماشین کوانتومی بوده است.
