به گزارش گروه دانشگاه خبرگزاری دانشجو، شرکت ریپلای (Reply) در تلاش است تا با توانمندی‌های کامپیوتر کوانتومی به حل مسائل مربوط به کسب و کار‌ها کمک کند.
برخی شرکت‌ها به دنبال این هستند که کامپیوتر کوانتومی چگونه می‌تواند صنایع را تقویت کند و موارد استفاده جدیدی را برای مشاغل فراهم کند.
شرکت ریپلای یکی از سازمان‌هایی که در این حوزه فعالیت می‌کند تا راه‌حل‌هایی را برای بهینه‌سازی در لجستیک، مدیریت پورتفولیو و تشخیص عیب و سایر زمینه‌ها توسعه داده است. یوهانس اوبرروتر، کارشناس محاسبات کوانتومی، در مورد اینکه چگونه ریپلای به ارائه موارد استفاده احتمالی به مشتریان خود کمک می‌کند، گفت: «ما در سطحی کار می‌کنیم که مشکل را به زبان کوانتومی ترجمه می‌کند که تا حد امکان جهانی است. اولین چیزی که دریافتیم که اکنون ارزش ارائه می‌کند، حوزه مسائل بهینه‌سازی است.»
اغلب اوقات، مشکلاتی که برای بهینه‌سازی سخت‌افزار معمولی بسیار پیچیده به نظر می‌رسند، توسط برخی اکتشافی‌ها حل می‌شوند. معمولاً یک تیم یا فردی با تجربه در این حوزه وجود دارد که می‌تواند در این زمینه کمک کند، اما آن‌ها هنوز نمی‌دانند که راه‌حل‌های بهتری نیز وجود دارد.
محاسبات کوانتومی اجازه می‌دهد تا مشکلات به روشی ساختاریافته شبیه به لیست خواسته‌ها ارائه شوند که شامل تمام پیچیدگی‌های تجاری است. همه آن‌ها در یک تابع هدف به اصطلاح کدگذاری می‌شوند که می‌توان آن را به روشی ساختاریافته حل کرد. همیشه شرکت‌ها از الگوریتم‌ها برای حل مشکلات بهینه‌سازی استفاده می‌کنند. یافتن راه حل بهینه با یک تابع هدف هنوز یک مشکل دشوار برای حل است، اما در اینجا یک کامپیوتر کوانتومی می‌تواند به کمک بیاید.
هنگامی که یک کامپیوتر کوانتومی درگیر فرآیند حل مسئله می‌شود، واقعاً می‌توان راه حل بهینه را پیدا کرد و به کسب و کار‌ها این امکان را می‌دهد تا بهترین ترتیبات را برای مشکل پیدا کنند. در حالی که رایانه‌های کوانتومی فعلی که برای این نوع مشکلات مناسب هستند، اکنون بیش از ۵۰۰۰ کیوبیت دارند، بسیاری از شرکت‌هایی که از خدمات ریپلای استفاده می‌کنند، اغلب متوجه می‌شوند که مشکلاتی که دارند بیش از ۱۶۰۰۰ تا ۲۰۰۰۰ متغیر نیاز دارند، که این امر مستلزم توانایی پردازش بالا توسط کامپیوتر است. شما می‌توانید این مسائل را با تقریب خوبی توسط کامپیوتر کوانتومی حل کنید. یکی از محققان این شرکت می‌گوید: «ما در حال نوشتن برنامه‌ای هستیم که راه حل تقریبی این تابع هدف را تعیین می‌کند و آن را فراتر از تعداد معمول کیوبیت‌های مورد نیاز آزمایش کرده‌ایم. این سیستم به گونه‌ای تنظیم شده است که از افزایش تصاعدی زمان اجرا جلوگیری می‌کند، که منجر به زمان اجرای کار در چند ثانیه می‌شود.»
از طریق اثبات مفاهیم، شرکت ریپلای توانسته است به مشتریان کمک کند تا بر چالش کمبود تخصص در حوزه کوانتوم غلبه کنند. یادگیری ماشینی در چند سال گذشته برای کمک به اتوماسیون فرآیند‌های کسب و کار با داده‌ها و کمک به سازمان‌ها در رسیدن سریعتر به اهداف، به کار گرفته شده است. با این حال، پروژه‌های یادگیری ماشینی گاهی اوقات ممکن است از کمبود داده و هزینه‌های محاسباتی رنج ببرند. برای مبارزه با این موضوع، شرکت ریپلای به دنبال قابلیت‌های حل مسئله است که توسط محاسبات کوانتومی ارائه می‌شود.
ارسال نظرات