ITPub博客

首页 > 人工智能 > 人工智能 > 开启算法开发的新纪元

开启算法开发的新纪元

人工智能 作者:ITPUB社群 时间:1970-01-01 08:33:45 0 删除 编辑


算法始终是 IBM Research 的超级能力。

自现代计算诞生以来,IBM 科学家一次又一次地重新定义了人类计算的方式。每一次突破都促使数学家重新审视他们的工具集,也促使工程师重新设计他们的硬件。新的产业随之涌现。

在每个时代,IBM Research 都提出同一个问题:什么样的新数学将推动整个领域向前发展?今天,我们必须重新审视这一脉络;计算的基础再次发生转变,而这一次比以往任何时候都更快。

尽管经典高性能机器仍然承担着全球大部分的模拟和分析工作,基础模型 AI 正在将非结构化数据、时间序列数据和图像数据转化为稠密、信息丰富的表示。而量子处理器正开始以仅靠比特无法实现的方式操纵信息。

单独来看,每项技术都极为强大。合在一起,它们为算法发明与设计的革命创造了肥沃的土壤。

在未来几年,我们的科学家将聚焦于四个紧密关联的领域,它们支撑着从药物发现到供应链韧性的一切:微分方程、组合优化、线性代数和随机过程。

虽然这些主题听起来可能很学术,但它们支配着世界上相当一部分最棘手的问题:如何以减少湍流并提高气动效率的方式设计车辆,如何优化配送卡车车队的调度与路线,如何有效设计储能设备等复杂系统,以及如何对市场演化中的不确定性进行建模。

在每一种情况下,我们都看到了重新构想数学和计算中基本问题解决方案的机会,同时考虑新硬件、新的数据驱动表示以及 AI 加速的算法发现。在硬件尚不存在的地方,我们就发明它。

算法卓越的传统

推进计算始终需要以创造性的新方式审视信息并利用计算硬件。七十年前,Hans Peter Luhn 在互联网存在之前几十年就预见了搜索的未来。他的哈希算法通过发明全新的算法工具来组织数据,永远改变了软件和存储硬件。

然后在 1965 年,James Cooley 和 John Tukey 将一次黑板讨论变成了现代信号处理的引擎,发明了快速傅里叶变换(FFT)。他们的算法使科学计算机能够以显著更少的迭代次数执行傅里叶变换,从而开启了实时信号处理。

而在21世纪初,同样的精神驱动了IBM Blue Gene超级计算机,它在数十万个高能效核心上运行量子化学代码。Blue Gene证明了能效——曾被视作次要约束——恰恰可以成为扩展性能的杠杆。它开启了计算材料科学的新时代,使研究人员首次能够探索真实的尺寸和时间尺度。

今天,我们正处在经典HPC与全新计算范式的交汇点:AI和量子计算。秉承我们过去进步的精神,我们必须打造新的算法工具,利用这些硬件来处理数据并解决以前无法解决的问题。

算法发现的流程

IBM Research正在加倍努力,探索算法创新的四个关键领域。

微分方程。气候模型、流体动力学和流行病学都依赖微分方程,但传统求解器可能需要世界上最大的超级计算机。AI擅长学习高保真代理模型,可以大幅降低这一成本,而量子算法有望在指数级高维希尔伯特空间中获取微分方程的性质,这超出了经典计算机的能力范围。

组合优化。AI可以在利用问题结构和预测困难问题的近似解方面发挥重要作用。量子电路将通过利用量子力学的概率数学来提供进一步的收益,尤其是当这些电路由机器学习先验和算法引导、修剪和优化时。

线性代数。线性代数是科学的通用语言;AI驱动的算法发现可以减少计算量,而更快的分解技术和量子增强特征求解器则提升了模型规模和精度的上限。

随机过程。在不确定性占主导地位的领域,新的概率AI内核和量子采样方案终于驯服了维数灾难。

我们相信这些领域将开辟更快的途径,通向更可持续的材料、拯救生命的药物、更准确的气候预测、有韧性的全球物流,以及足以应对后量子世界的网络安全。

但我们如何在这些领域发现新算法?一个算法必须在速度、精度、能耗或成本方面提供可验证的优势,才能被认为比现有最先进技术更有价值。

对可验证性的重视驱动着我们的工作流程。我们将严格且公开地对每个候选方案进行基准测试,庆祝那些经受住现实世界审视的想法,并丢弃那些未能通过考验的。我们还将开放论文、代码和最佳实践指南的工具箱,使大学、初创企业和企业能够与我们共同推动该领域向前发展。

这一流程以及这些算法也将塑造未来的计算机。硬件架构师已经在研究我们实验室涌现的工作负载,以规划低温控制堆栈和异构加速器。算法与机器之间的反馈循环——IBM历史上如此核心的要素——将变得前所未有的紧密。

开创下一代算法

算法的新时代才刚刚开始,IBM Research 正在开辟新路径,融合经典计算、量子计算和 AI,以在挑战性问题上显著超越当前最先进的性能。

我们已经看到了令人振奋的进展。针对时间序列信号的学习表示在分类、异常检测、搜索和聚类等任务上,已经超越了当前的统计和机器学习算法。我们正在学习求解计算流体力学中的反问题,并实现参数化设计。我们已经测试了使用量子电路的有前景的新算法,以简化计算基态能量的过程,并开始看到可验证量子优势的首批假设。

虽然根植于我们的历史,但这只是一段新旅程的开始。让我们一起书写这个故事的下一个篇章——它始于打孔卡,如今在比特、神经元和量子比特中展开。


转载声明:本文为转载整理,原文版权归原作者及原站点所有。

原文来源:IBM Research Blog

原创地址:https://research.ibm.com/blog/future-of-developing-algorithms

原文作者:Alessandro Curioni, Jay Gambetta;如有侵权,请联系管理员删除。

请登录后发表评论 登录
全部评论

注册时间:2022-11-21

  • 博文量
    1090
  • 访问量
    546652