.png){kind=icon}
返回
Accelerating the drive towards energy-efficient generative AI with quantum computing algorithms
.png){kind=icon}
PRE
AI
DOI：10.1088/2058-9565/ae0eac.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能的研究与应用，特别是生成式和大型语言模型，在过去几年中取得了迅速进展。然而，这导致了高能耗问题的出现。尽管量子计算尚未（成为）主流，但其与机器学习的交叉融合前景尤为广阔，该技术有望缓解部分能源挑战。在本篇展望文章中，我们剖析了大型语言模型的寿命周期阶段，并基于量子算法讨论了相关改进措施，这些措施可能有助于提升能源效率与可持续性，其中包含行业应用实例及开放研究问题。
Keyword:
LLM
quantum computing
energy
AI
sustainability
期刊
IF:
5
论文数:
1.4K
被引数:
5.1K
机构
引用论文
Simple realization of a hybrid controlled-controlled-Z gate with photonic control qubits encoded via eigenstates of the photon-number parity operator具有通过光子数奇偶算子的本征态编码的光子控制量子位的混合受控受控Z门的简单实现
OAAI
OAAI分享收藏Systematic literature review: Quantum machine learning and its applications.png)
COMPUTER SCIENCE REVIEWOAAI
COMPUTER SCIENCE REVIEWIF12.7
OAAI分享收藏
The effects of quantum hardware properties on the performances of variational quantum learning algorithms量子硬件特性对变分量子学习算法性能的影响OAAI
OAAI分享收藏分享收藏The dark side of generative artificial intelligence: A critical analysis of controversies and risks of ChatGPT生成式人工智能的阴暗面: 对ChatGPT争议和风险的批判性分析OAAI
OAAI分享收藏
查看更多内容