Strangeworks, Inc. (Strangeworks) und Rigetti Computing, Inc. (Rigetti) gaben bekannt, dass Strangeworks sich verpflichtet hat, auf seiner Plattform zwei neue Quantum Machine Learning (QML) Anwendungen von Rigetti zur Verfügung zu stellen. Bei diesen neuen QML-Anwendungen handelt es sich um Rigettis Quantenkern- und Quantenfaltungsmethoden für neuronale Netze, die speziell für die Quantencomputer von Rigetti optimiert sind und die Entwicklung von Anwendungen im Zusammenhang mit Klassifizierungs- und Regressionsproblemen vorantreiben sollen. Diese QML-Anwendungen werden voraussichtlich Anfang 2023 zunächst exklusiv auf der Strangeworks-Plattform verfügbar sein. Die Anwendungen sollen über das On-Demand-Zahlungsmodell von Rigetti über Strangeworks verfügbar gemacht werden.

Dieser On-Demand-Zugang zu Rigetti-Systemen wurde durch die enge Integration der Quantenverarbeitungseinheiten von Rigetti in die Strangeworks-Plattform ermöglicht. Die Integration hat auch zu einer höheren Leistung der Rigetti-Systeme auf Strangeworks geführt, da sie eine geringere Gesamtprogrammlatenz und die Unterstützung der nativen Quil-Programmiersprache ermöglicht. Mehr über Anwendungen und die Strangeworks-Plattform: Strangeworks Managed ApplicationsDiese Anwendungen werden voraussichtlich auf der Strangeworks-Plattform verfügbar sein, die einen schnell wachsenden Katalog schlüsselfertiger Dienstleistungen bietet, die die Integration von Quantencomputertechnologien in Arbeitsabläufe und die Anwendung auf Probleme erleichtern sollen. Rigetti Quanvolutional Neural Network MethodeDie Quanvolutional Neural Network Methode von Rigetti wurde entwickelt, um die Bild- und Videoanalyse zu verbessern, indem einem bestehenden Datensatz quantenangereicherte Merkmale hinzugefügt werden, die von klassischen neuronalen Netzwerken verwendet werden können.

Diese Methode ist potenziell gut geeignet, um die nachfolgende maschinelle Lernverarbeitung zu vereinfachen, da sie weniger Daten und weniger Parameter zum Trainieren des klassischen Modells erfordert. Rigetti Quantum Kernel MethodRigetti's Quantum Kernel Method wurde entwickelt, um Ähnlichkeiten zwischen Punkten in einem Datensatz zu bewerten, die für die Verwendung in einem Klassifizierungs- oder Regressionsmodell wertvoll sein können. Durch die Bewertung von Ähnlichkeiten in dem exponentiell größeren Raum, den die Quantenverarbeitungseinheit bietet, könnte das Ergebnis dieser Methode potenziell für die Erkennung von Anomalien verwendet werden.