#ai_startups
Возможно, некоторые из вас слышали недавние смелые заявления Росатома по поводу скорого создания в России квантового суперкомпьютера.

Несмотря на немалую абсурдность заявления, исследования в области квантовых вычислений и квантовых нейронных сетей действительно уже давно находятся на карандаше у мировых ИТ-гигантов и стартапов.

Для начала разберемся в базовых определениях. В отличие от бинарных вычислений, используемых в традиционных компьютерах (информация хранится в виде 0 или 1), квантовые компьютеры используют кубиты. Кубиты могут принимать любые значения от 0 до 1, а также иметь свойства и 0 и 1 одновременно (сразу вспоминается квантовая суперпозиция и пресловутый кот Шрёдингера).

В теории, это создает гораздо больше возможностей для выполнения вычислений, и нейронные сети на квантовых процессорах могут потенциально обучаться гораздо быстрее своих традиционных собратьев.

Тем не менее, несмотря на весь хайп, сегодняшние самые мощные квантовые компьютеры (в том числе, разработанные Google) имеют мощность всего от 50 до 100 кубитов. Для понимания, коммерческий успех и эффективность таких компьютеров достигается при мощности от 1000 кубитов и выше. Таким образом, предстоит пройти еще немалый путь до того, как квантовые компьютеры появятся у нас с вами на столе.

В результате, исследователи столкнулись с проблемой: AI на квантовых процессорах имеет все шансы быть намного производительнее традицонного, но малая мощность таких процессоров накладывает серьезные ограничения. Многие технологические компании начали решать эту проблему, применяя гибридный подход, где часть задач выполняется традиционными нейронными сетями, а часть – квантовыми (QNNs).

Так, стартап Xanadu (Канада) применил гибридный традиционно-квантовый метод для построения GAN-сетей, что позволило существенно увеличить точность распознавания объектов на фотографиях.

Поклониики TensorFlow могут тоже радоваться – несколько недель назад Google объявили о запуске TensorFlow Quantum, собирая воедино все разработки ИТ-гиганта в области квантового машинного обучения. Создание квантовых моделей на платформе будет осуществляться путем комбинации стандартных функций Keras и новой квантовой библиотеки Cirq (опять же, гибридный подход).

По итогам всего этого квантового безумия можно выделить два тренда, которые будут превалировать на рынке в ближайшем будущем:

- Мы начнем все чаще видеть, как практические проблемы станут решаться с помощью синтеза AI, квантовых вычислений и традиционных компьютеров

- Квантовые облачные вычисления станут передовой темой в «облачных» войнах между гигантами AWS, Google, IBM и Microsoft. Это означает, что мы вскоре увидим всплеск гибридных сетей, использующих квантовые компьютеры и традиционные CPU и GPU для предоставления клиентам облачных решений.