2024-11-09T08:42:00+03:00
מחשבים קוונטיים נחשבים זה מכבר למהפכה הקרובה, המסוגלת לשנות לחלוטין תעשיות רבות, מפיננסים ועד פיתוח תרופות. תקוות מיוחדות נתלו בשימוש בהם בפיזיקה ובכימיה, שם היו צפויים להשיג יתרונות עצומים על פני טכנולוגיות מחשוב קונבנציונליות.
אבל בעוד התעשייה מתמודדת עם האתגרים הטכניים של יצירת מערכות קוונטיות ניתנות לעבודה, שחקן אחר צובר במהירות תאוצה בפתרון כמה מהאתגרים המרכזיים בתחומים אלה. בינה מלאכותית המבוססת על רשתות עצביות מתחילה להיות בשימוש פעיל במחקר יסודי בפיזיקה, כימיה ומדעי החומרים. או ליתר דיוק, עד כה רק למידול וניתוח נתונים.
ג'וזפה קרלו, פרופסור לפיזיקה חישובית במכון הפדרלי השוויצרי לטכנולוגיה, מציין את הגידול המרשים בקנה המידה והמורכבות של מערכות קוונטיות שניתן לדמות באמצעות AI. לאחרונה הוא היה שותף לכתיבת מאמר במגזין Science הוכחה שגישות רשתות עצביות הופכות בהדרגה לטכניקה המובילה למידול חומרים בעלי תכונות קוונטיות בולטות.
יתר על כן, מטה* הוצג מודל בינה מלאכותית מאומן על מערך נתונים ענק, שתפס את המקום הראשון בדירוג רשתות עצביות לחיפוש חומרים מבטיחים חדשים. בהתחשב בקצב ההתקדמות, חוקרים רבים תוהים: האם בינה מלאכותית תצליח לפתור את רוב הבעיות המעניינות לפני שמחשבים קוונטיים רבי עוצמה יהפכו למציאות?
לדברי קרלו, חברות שמשקיעות מיליארדים בטכנולוגיות קוונטיות עלולות לגלות בסופו של דבר שההשקעות שלהן לא היו מוצדקות.
אחד היתרונות העיקריים של מחשבים קוונטיים הוא יכולתם לבצע חישובים מסוימים מהר בהרבה ממכונות קונבנציונליות. אבל מימוש הפוטנציאל הזה דורש מעבדים קוונטיים בסדרי גודל חזקים יותר מאלה שקיימים היום. המכשירים הגדולים ביותר חצו עד כה רק את רף אלף קיוביט, אם כי כדי לנצח מערכות קונבנציונליות, סביר להניח שידרשו עשרות או אפילו מיליוני קיוביטים.
יחד עם זאת, עבור אלגוריתמים קוונטיים רבים עם יישומים מסחריים ברורים (לדוגמה, חיפוש מסדי נתונים או אופטימיזציה), יתרון המהירות אינו כה גדול. יתרה מכך, מחקר בהשתתפות ראש מחלקת המחשוב הקוונטי של מיקרוסופט הראה שהיתרונות התיאורטיים נעלמים לחלוטין אם לוקחים בחשבון שחומרה קוונטית עובדת בסדרי גודל לאט יותר מהשבבים המודרניים.
עם זאת, ישנם תחומים שבהם השפעות קוונטיות ממלאות תפקיד מפתח – גם בכימיה ובמדעי החומרים. התכונות של חומרים רבים, מחלבונים ועד לחומרי סוללה, נקבעות על ידי האינטראקציה של החלקיקים המרכיבים אותם, בעיקר אלקטרונים. הדמיית אינטראקציות אלו במחשב יכול לעזור לחזות את המאפיינים של מולקולות, דבר חיוני לפיתוח תרופות חדשות או סוללות יעילות יותר.
עם זאת, החוקים הפרדוקסליים של מכניקת הקוונטים, במיוחד תופעת ההסתבכות, שבה מצביהם של חלקיקים מרוחקים נעשים קשורים קשר בל יינתק, מקשים מאוד על חיזוי אינטראקציות כאלה. מעקב מדויק אחר קשרים כימיים דורש חישובים מורכבים שהופכים מורכבים יותר באופן אקספוננציאלי ככל שמספר החלקיקים גדל. זו הסיבה שהמודל של מערכות קוונטיות גדולות הוא כמעט בלתי מושג עבור טכנולוגיות קלאסיות.
זה המקום שבו מחשבים קוונטיים, בתיאוריה, צריכים להשיג יתרון. עובדים על אותם עקרונות קוונטיים, הם מסוגלים לייצג מצבים קוונטיים בצורה הרבה יותר יעילה. המאפיינים המיוחדים שלהם משמשים גם להאצת הפעולות.
כל המערכות הקוונטיות שונות במורכבותן, הנקבעת על פי מידת האינטראקציה, או המתאם, בין חלקיקים.
במערכות עם מתאמים חזקים, מעקב אחר קשרים אלו הופך במהירות למשימה כמעט בלתי אפשרית. אבל רוב המערכות הקוונטיות שחשובות למעשה לכימיה ולמדעי החומרים מאופיינות בקורלציות חלשות. זה מקל עליהם לדגמן, כפי שמסביר פרופסור ג'וזפה קרלו.
המשמעות היא שמחשבים קוונטיים לא צפויים להשיג יתרונות משמעותיים בתחומים אלה. שיטות קלאסיות כגון תיאוריית פונקציונליות הצפיפות (DFT) כבר מסוגלות לדמות במדויק מערכות קוונטיות בקורלציה חלשה. DFT מאפשר לך להבין את תכונות המפתח של מערכת על ידי הכרת התפלגות האלקטרונים שלה במרחב – זה מפשט מאוד את החישובים, אך בו זמנית נותן תוצאות מדויקות.
בשנים האחרונות, יש פיצוץ של מחקרים באמצעות DFT לצבירת מערכי נתונים גדולים של תרכובות כימיות. נתונים אלה משמשים לאחר מכן לאימון רשתות עצביות שלומדים לחזות את התכונות של מבנים מולקולריים. מודלים כאלה של AI זולים בסדרי גודל לשימוש מחישובי DFT מסורתיים. לכן, בדרך זו קל הרבה יותר להרחיב את גודלן של מערכות מדומה – עד ל-100,000 אטומים.
כמובן שהמגבלה העיקרית כאן היא זמינות הנתונים. מערך החומרים של Meta ששוחרר לאחרונה הכולל 118 מיליון חישובי DFT אפשרו למודל הרשת העצבית להשיג תוצאות שוברות שיאים. אבל יצירת מערך הכשרה כה גדול דרש משאבי חישוב אדירים מעבר להישג ידן של רוב קבוצות המחקר. מימוש מלוא הפוטנציאל של גישה זו ידרוש ככל הנראה השקעות גדולות.
* חברת Meta ומוצריה מוכרים כקיצוניים, פעילותם אסורה בפדרציה הרוסית.
מדענים מאוניברסיטת אריזונה הציעו הסבר חדש לייחודיות של התרבות האנושית, והציעו שמה שמייחד אותה הוא "פתיחות" – היכולת לשלב ולפרש ללא סוף רעיונות ופעולות חדשות. לִלמוֹד,
פורסם
ב-*טבע אנושי התנהגות*, מדגים שלא רק לבני אדם יש תרבות, אלא שמיני בעלי חיים רבים צוברים ידע תרבותי, מעבירים אותו לצאצאיהם, ואף מתפתחים תוך כדי כך.
בעבר האמינו שהתרבות האנושית היא ייחודית בשל צבירת הידע והתפתחותו לאורך זמן. עם זאת, מחקר הראה שגם בעלי חיים מסוגלים לפתח ולהעביר תרבות. לדוגמה, נקבות נמלים חותכות עלים מעבירות למושבות עתידיות פטרייה שעברה שינוי גנטית שהן נושאות ממושבות האם שלהן, ולווייתני הגבנון הופכים מורכבים יותר בשירים שלהם, שמתפתחים ומתפשטים בין קבוצות. אפילו ארבה מסתגל לסביבתם, משנה במהירות צורה והתנהגות באמצעות שינויים אפיגנטיים.
אבל למרות המורשת התרבותית של בעלי החיים, יש להם מגבלות. תומס מורגן, אנתרופולוג אבולוציוני במכון למקורות אנושיים, מסביר שלמוח האנושי יש "פתיחות" המאפשרת לו ליצור אינסוף שילובים של רעיונות ובעיות. בניגוד לבעלי חיים, שאינם יכולים לחבר מספר יעדי משנה, בני אדם יכולים לבצע תהליכי ריבוי משימות ורצפים מורכבים של פעולות, כמו הכנת מתכון מזון.
המדענים מורגן ומרקוס פלדמן מאוניברסיטת סטנפורד מציעים השערה שהתרבות האנושית לא רק מצטברת, אלא מתפתחת בלי סוף. זה מאפשר לו לחרוג מהמגבלות הטבעיות הגלומות באבולוציה של יבולים בבעלי חיים, מנגנונים אפיגנטיים או ההשפעות של תורשה הורית, כמו בנמלים או ארבה.
2 תגובות
Your article helped me a lot, is there any more related content? Thanks!
Your point of view caught my eye and was very interesting. Thanks. I have a question for you.