Dentro brevemente
- Multiverse Computing e Bundesdruckerei GmbH concluíram dois projetos de pesquisa usando aprendizado de máquina de inspiração quântica (QIML) para melhorar a geração de inteligência artificial e detecção de fraudes, melhorar soluções de privacidade, eficiência e segurança.
- No primeiro projeto, um modelo de inspiração quântica com proteção discreta de privacidade gerou dados sintéticos com 15% mais precisão do que uma Rede Adversarial Generativa (GAN) clássica, melhorando a escalabilidade e a privacidade para grandes conjuntos de dados.
- O segundo projeto utilizou redes neurais de inspiração quântica para detectar transações fraudulentas de blockchain, alcançando o mesmo desempenho dos modelos clássicos, mas reduzindo os parâmetros do modelo de IA, melhorando o tempo de treinamento em 11% e o tempo de relatório em 27%.
NOTÍCIAS – – Multiverse Computing, líder mundial em IA baseada em valor e soluções de computação quântica, e Bundesdruckerei Gmbs, uma empresa de tecnologia do governo federal alemão, estão explorando o potencial de soluções quânticas e inspiradas em quânticas. As duas empresas concluíram recentemente dois projetos de pesquisa que combinaram software de inspiração quântica e conhecimento de segurança de dados para criar novos protótipos que geram dados sintéticos mais precisos do que algoritmos convencionais de aprendizado de máquina. Juntos, eles investigam casos de uso como melhoria da privacidade e usabilidade de gerações de dados sintéticos e detecção de transações fraudulentas em redes blockchain.
O aprendizado de máquina inspirado em quântica (QIML) fornece um método eficiente e escalonável usando princípios teóricos quânticos, como redes de tensores, para gerenciar grandes conjuntos de dados e executar tarefas de aprendizado de máquina com mais eficiência do que os métodos clássicos. Outra grande vantagem desses métodos é a capacidade de compactar e processar dados com eficiência e precisão, sem perder informações confidenciais.
No primeiro projeto, foi explorado o potencial de um algoritmo de inspiração quântica para processamento artificial de dados, com ênfase no aumento da proteção da privacidade de dados sensíveis dentro de grandes conjuntos de dados. Os dados sintéticos são essenciais para fornecer conjuntos de dados acessíveis e escaláveis, ao mesmo tempo que protegem a privacidade, reduzem preconceitos e reduzem custos. Ele permite o treinamento de modelos quando os dados reais são limitados ou confidenciais, tornando-se uma ferramenta valiosa em IA e simulação.
As equipes começaram com um conjunto de dados disponível publicamente e desenvolveram um aplicativo de inteligência artificial baseado em um modelo de IA de inspiração quântica que incorpora privacidade discreta como uma camada adicional de privacidade para tornar o modelo resistente a ataques adversários. Uma camada de segurança adicionada pela privacidade discreta garante que cada entrada no conjunto de dados não possa ser revertida por adversários externos ou internos.
Os dados gerados a partir deste novo software de inspiração quântica foram comparados aos resultados da Generative Adversarial Network, um algoritmo clássico de aprendizado de máquina usado para gerar dados artificiais. O modelo de geração de dados de inspiração quântica mostrou precisão 15% maior do que a solução clássica na geração de dados artificiais que se assemelhavam muito aos dados originais.
“Não há dúvida de que continuaremos a ver novas maneiras pelas quais as soluções quânticas podem tornar a IA mais forte e mais eficiente na proteção de pessoas e dados”, disse Enrique Lizaso Olmos, CEO da Multiverse Computing. “Nosso trabalho com a equipe do Bundesdruckerei mostra como combinar a experiência de líderes de tecnologia individuais para explorar novas gerações de soluções de IA usando computação quântica e de inspiração quântica para aumentar o nível de privacidade de dados e segurança cibernética.”
Outro projeto se concentra no desenvolvimento de uma solução de IA para detectar transações fraudulentas em uma rede blockchain usando uma rede neural gráfica de inspiração quântica e um algoritmo de aprendizado de máquina de otimização quântica. Os resultados mostraram que o método de inspiração quântica alcançou o mesmo desempenho da versão clássica, ao mesmo tempo que reduziu significativamente os parâmetros do modelo de IA. Isso melhorou o tempo de treinamento em 11% e o tempo de decisão em 27%.
“A colaboração de pesquisa com a Multiverse Computing é um grande complemento às nossas atividades de pesquisa no campo da tecnologia quântica. É muito importante para nós trabalharmos com os principais players da indústria quântica para explorar novas soluções de IA na era quântica, especialmente na área de privacidade de dados e segurança cibernética”, disse o Dr. Kim Nguyen, Chefe de Desenvolvimento da Bundesdruckerei GmbH. .
