日本

アプリケーション

D-Waveシステムは、最適化、サイバー・セキュリティ、機械学習、サンプリングなどの計算集約型タスクに使用されます。この種の問題は解くことが極めて難しく、最適な解を簡単に計算できれば潜在的に大きなメリットとなります。

最適化

あなたが家を建てていて、その家に持ち込みたい物のリストを持っているとしましょう。しかし、予算が限られているとすると、リスト内のすべての物を揃えることはできません。

ここであなたは、予算内で最高の選択肢となる持ち込み物の組み合わせを考え始めます。これは、いくつかの制約が与えられた中で、最良の組み合わせを見つけようとしている最適化問題の例です。選択肢が少ない問題は簡単ですが、選択肢の数が増えるにつれて、最適な選択が非常に難しくなります。わずか270個のオン/オフスイッチで、宇宙の原子の数よりも多くの組み合わせが可能です!これらのタイプの最適化問題は、システム設計、ミッション計画、航空スケジューリング、財務分析、ウェブ検索、がん放射線療法など、多くの異なる領域に存在します。それらは、世界で最も複雑な問題の一部であり、最適なソリューションをすぐに計算できれば、企業、人々、そして科学に多大な利益をもたらす可能性があります。

機械学習

一枚の写真を見るとき、イメージに映るさまざまなもの(車、木、山など)を見つけるのはとても簡単なことです。人間はこのタスクを楽にこなせますが、コンピューターにとって実際それは極めて難しいタスクになります。これはプログラマーがコンピューター・プログラムの中でどのように「車」の本質を定義して良いか分からないからです。

機械学習は、この問題を解決するための最も成功したアプローチです。プログラマーは、膨大な量のデータの繰り返しパターンを検出することによって、オブジェクトの「エッセンス」を認識する自動学習のアルゴリズムを作成します。このプロセスに関与するデータの量と、データ要素の潜在的な組み合わせの個数が膨大なために、これは非常に計算コストのかかる最適化問題です。

その他の最適化問題と同様に、機械学習の問題はD-Wave量子プロセシング・ユニットの固有の能力に対応させることができ、ボルツマン分布に類似の確率分布からサンプルを引き出すことによって、これらの問題の解を見つけます。これによってD-Waveシステムが、データ解析に適用できる確率的枠組みの上に、強力な機械学習アルゴリズム構築のための使用が可能になります。

サンプリング

世界の多くのことは不確実であり、確率の規則によって支配されています。 私たちは、私たちの頭の中で、将来どのように物事が運んでいくかのモデルを持ち、そのモデルが良くなればなるほど、私たちの将来の予測はより良いものになるでしょう。 また、私たちは現実の統計量を捕捉しようとするコンピューター・モデルを構築することもできます。 これらは膨大な個数の変数が必要なので、非常に複雑なものとなります。

コンピューターの統計モデルが現実を表しているかどうかを調べるためには、そこからサンプルを引き出し、モデルの統計量が実際のデータの統計量と一致することを確認する必要があります。 特定の結果の確率を近似するために繰り返される無作為抽出に依存するモンテカルロ・シミュレーションは、金融、エネルギー、製造、石油とガスのエンジニアリング、環境などの多くの業界で使用されているアプローチです。 さまざまな変数を持つ複雑なモデルの場合、これを迅速に行うことは難しい作業です。

サイバー・セキュリティ

サイバー・セキュリティは、政府や企業にとって大きな問題であり、ますます増加する脅威レベルに対処するには全く新しい戦略が必要とされます。 量子コンピューティングは、脅威の識別、サイバー敵の識別、そして我々が依存するグローバル・ネットワークの確保を含む、次世代のサイバー・セキュリティを提供する上で重要な役割を果たすでしょう。