Pressmeddelande

Mitsubishi Electrics nya AI-kvantteknik använder automatiserad design för att förverkliga kompakta inferensmodellerKan införlivas i den första tillämpningen någonsin för terahertz-avbildning

Det här pressmeddelandet är en översättning av den officiella engelskspråkiga versionen. Det publiceras endast som praktisk referens för användaren. Läs den ursprungliga engelska versionen för information. Vid skillnader mellan texterna är det den engelska versionen som gäller.

FÖR OMEDELBAR PUBLICERING Nr 3560


TOKYO, 2 december 2022Mitsubishi Electric Corporation (TOKYO: 6503) tillkännagav idag sin utveckling av AI-kvantteknik som automatiskt konstruerar och optimerar inferensmodeller för att minska omfattningen av beräkningar med kvantneuronätverk. Den nya AI-kvanttekniken kan integreras med klassiska ramverk för maskininlärning för olika lösningar.

Mitsubishi Electric har bekräftat att tekniken kan införlivas i världens första1 tillämpning för terahertz-avbildning (THz) med hjälp av vågor med ultrahög frekvens2 för att utföra icke-förstörande inspektioner genom att utnyttja egenskaper som hög penetration av radiovågor och hög riktningsförmåga hos ljusvågor. Den kan även användas för inomhusövervakning där Wi-Fi-signaler används för att observera rumsmiljöer för mänskliga rörelser. Andra potentiella tillämpningar är också möjliga, till exempel komprimerad avkänning, för att hämta ursprungliga data från blandade mätdata och biosignalbearbetning för hjärndatorgränssnitt.

Mitsubishi Electrics nya QML-teknik (Quantum Machine Learning) förverkligar kompakta inferensmodeller genom att fullt ut utnyttja kvantdatorns enorma kapacitet för att uttrycka exponentiellt stora statusutrymmen med antalet kvantbitar (qubits). I en hybridkombination av både kvant- och klassisk AI kan tekniken kompensera för begränsningar hos klassisk AI för att uppnå överlägsen prestanda samtidigt som den avsevärt minskar storleken för AI-modeller, även när begränsade data används.

De nu snabbt utvecklade kvantdatorerna förväntas överträffa klassiska datorer genom att utnyttja kvantfysiken för att hantera status på qubits på ett mycket parallellt sätt. Större genombrott förväntas för dataanalys, AI-utveckling osv. för syften som exempelvis storskalig optimering och ny materialdesign. Klassisk maskininlärningsteknik3 som baseras på djupinlärning4 – hörnstenen i nuvarande AI – har visat på utmärkt prestanda men kräver dyra datorresurser och uppnår ofta inte full potential om inlärningsdata5 eller resurser är begränsade.

Mitsubishi Electric kommer delvis att introducera AI-kvanttekniken och relaterade resultat under en presentationssession vid IEEE Global Communications Conference (GLOBECOM) 2022.



  1. 1Enligt forskning från Mitsubishi Electric från den 2 december 2022
  2. 2Elektromagnetiska vågor med en frekvens på cirka 0,1–10 THz
  3. 3Maskininlärning utformad för att köras på konventionella datorer
  4. 4Maskininlärningsmetod för att träna datorer för röstigenkänning, bildidentifiering, rörelseförutsägelse osv.
  5. 5Datauppsättningar som innehåller signaler och/eller tillhörande etiketter som AI-modeller och maskininlärningsalgoritmer kan använda för att lösa uppgifter

Obs!

Observera att pressmeddelanden är korrekta vid tidpunkten för publicering men kan ändras utan föregående meddelande.


Frågor

Mediekontakt