Using quantum algorithms to speed up generative artificial intelligence
New research shows how quantum computation can accelerate classical computing processes, particularly in molecular dynamics.
By Naomi Grosman
Researchers at the University of Waterloo’s Institute for Quantum Computing (IQC) have found that quantum algorithms could speed up generative artificial intelligence (AI) creation and usage.
The paper titled Gibbs Sampling of Continuous Potentials on a Quantum Computer by Pooya Ronagh, IQC member and professor in the Department of Physics and Astronomy, and Arsalan Motamedi, IQC alum and researcher at Canadian quantum computing company Xanadu, explores how quantum algorithms can relieve bottlenecks in generative AI.
The paper was instrumental in securing $412,500 from the National Research Council’s Applied Quantum Computing grant, which will fund further research in this area.
Ronagh says his work focuses on the intersection of quantum science and AI and whether quantum computing can speed up mimicking real-world patterns and phenomena as AI and machine learning scientists have done.
“We found that yes it can — but not for the typical generative AI problems in computer vision and speech. We saw more significant speed ups for the types of problems that have periodic patterns, for example in analyzing molecular dynamics.”
- Pooya Ronagh, IQC member and professor in the Department of Physics and Astronomy,
This research was supported in part by Natural Sciences and Engineering Research Council of Canada’s Discovery grant. It was published in Proceedings of Machine Learning Research in July 2024.
This research was supported in part by the Strategic Science Fund through the Government of Canada.
Une intelligence artificielle générative plus rapide grâce aux algorithmes quantiques
Selon un article récent, l’informatique quantique permettrait d’augmenter la vitesse des processus informatiques classiques
Par Naomi Grosman
Un article récemment publié par des chercheurs de l’Institut d’informatique quantique (IQC), à l’Université de Waterloo, montre que les algorithmes quantiques pourraient accélérer le développement et l’utilisation de l’intelligence artificielle (IA) générative.
Pooya Ronagh, membre de l’IQC et professeur adjoint en recherche pour le Département de physique et d’astronomie, et Arsalan Motamedi, ancien élève de l’IQC et chercheur pour Xanadu, une entreprise canadienne d’informatique quantique, ont publié l’article Gibbs Sampling of Continuous Potentials on a Quantum Computer, qui examine des moyens de lever les blocages de l’intelligence artificielle générative grâce aux algorithmes quantiques. Cette étude a permis d’obtenir une subvention de 412 500 $, octroyée par le Conseil national de recherches du Canada dans le cadre du programme Défi « Informatique quantique appliquée », qui servira à financer des recherches additionnelles dans ce domaine.
Le Pr Ronagh travaille sur l’intersection entre la science quantique et l’IA et se demande si l’informatique quantique peut accélérer l’imitation de modèles et de phénomènes réels sur laquelle travaillent les chercheurs du secteur de l’IA et de l’apprentissage machine.
« Nos conclusions indiquent que c’est possible, mais pas dans le contexte des problèmes habituels de l’IA générative, liés à la vision et à la parole artificielles, explique-t-il. L’accélération était plus substantielle pour les problèmes à caractère périodique, par exemple l’analyse de la dynamique moléculaire. »
- Pooya Ronagh, membre de l’IQC et professeur adjoint en recherche pour le Département de physique et d’astronomie.
La fonction des grandes molécules, comme les protéines, dépend de leur structure 3D repliée, dont l’étude et la reproduction sont fondamentales pour la pharmacologie. À l’heure actuelle, les technologies les plus avancées font appel à l’IA générative pour faciliter ce processus.
Selon Pooya Ronagh, si les simulations de dynamique moléculaire négligent généralement les effets mécaniques quantiques, elles pourraient pourtant tirer profit de solutions d’informatique quantique grâce à la périodicité des angles de liaison moléculaires. Du reste, la physique de la matière condensée et les théories des champs quantiques regorgent d’exemples de problèmes ayant trait à ces structures périodiques.
Par ailleurs, le professeur affirme que les ordinateurs quantiques brillent particulièrement dans le domaine de la cryptographie, notamment, et mentionne le célèbre algorithme de Shor, qui vise à résoudre le problème de factorisation en recherchant la périodicité d’une fonction, afin de percer le chiffrement RSA. Il précise néanmoins qu’il ne s’agit pas d’une application pratique en soi, mais plutôt d’une illustration des capacités uniques des algorithmes quantiques. L’informatique quantique ne représente pas qu’une menace pour la sécurité de l’information, elle offre aussi des possibilités insoupçonnées.
« La peur du piratage nous pousse à modifier dans l’urgence nos protocoles de cryptage et à appliquer notre curiosité à construire des ordinateurs quantiques. Or, nous pourrions à la place améliorer la simulation de molécules, dans l’optique de produire des matériaux de qualité supérieure et des médicaments d’importance vitale. Cette utilisation des ordinateurs quantiques dans notre quotidien serait très intéressante sur le plan économique. »
- Pr Ronagh
Pour le Pr Ronagh, l’exploration des applications de l’informatique quantique ne consiste pas qu’à rêver aux retombées futures des technologies quantiques. Il accorde une importance particulière à la recherche d’algorithmes utiles : « Ils nous informent sur les différentes applications que nous voulons exécuter sur notre futur ordinateur, nous aiguillant ainsi dans la conception et l’optimisation de l’architecture machine pour nous permettre de l’améliorer et de planifier ce projet colossal. »
L’étude en question a été partiellement financée par le Programme de subventions à la découverte du Conseil de recherche en sciences naturelles et en génie du Canada. L’article a été publié dans Proceedings of Machine Learning Research en juillet 2024.
Cette recherche a été soutenue en partie par le Fonds stratégique pour la science du gouvernement du Canada.