![]() |
ИСТИНА |
Войти в систему Регистрация |
ФНКЦ РР |
||
Современные достижения в области информационно-телекоммуникационных технологий способствуют активному развитию систем искусственного интеллекта. Однако, несмотря на колоссальный прогресс и внедрение нейронных сетей практически во все сферы деятельности человека, продолжается поиск оптимальной элементной базы искусственных нейронных сетей с минимальным энергопотреблением и поиск методов для развития глубокого машинного обучения (работа с экстремально большим объемом данных). Одним из актуальных путей решения данных проблем является комбинирование идей квантовых вычислений и нейротехнологий. Целью данного проекта является разработка энергоэффективной элементной базы сверхпроводниковых нейрономорфных сетей, способных функционировать в классическом и квантовом режимах; исследование их работы с применением суперкомпьютерных средств моделирования, использующих макроскопические квантовые эффекты и позволяющих обеспечивать эффективную интеграцию с технологиями интегральной фотоники, включая исследования возможностей совершенствования оптико-сверхпроводникового интерфейса для работы с квантовой информацией. При этом в основе разрабатываемой в проекте концепции быстрого управления элементами гибридных квантово-классических сверхпроводниковых нейросетей, а также и средств аппаратного обучения лежит перспективная энергоэффективная модификация быстрой одноквантовой логики. Комплекс теоретических и экспериментальных исследований в рамках проекта позволят выработать методические рекомендации и протоколы проведения измерений по инициализации, управлению и считыванию элементов квантовых нейронных сетей. Научная значимость проекта определяется получением новых знаний о принципах разработки сверхпроводникового гибридного квантово-классического нейрона, синапса, управляющих и фильтрующих элементов в составе квантовых нейронных сетей.
Modern achievements in the field of information and telecommunication technologies contribute to the active development of artificial intelligence systems. However, despite the tremendous progress and the introduction of neural networks in almost all spheres of human activity, the search continues for the optimal element base of artificial neural networks with minimal energy consumption and the search for methods for the development of deep machine learning (working with extremely large amounts of data). One of the actual ways to solve these problems is to combine the ideas of quantum computing and neurotechnologies. The aim of this project is to develop an energy-efficient element base of superconducting neuromorphic networks capable of functioning in classical and quantum modes; to study their operation using supercomputer modeling tools using macroscopic quantum effects and allowing for effective integration with integrated photonics technologies, including research into the possibilities of improving the optical-superconducting interface for working with quantum information. At the same time, the concept of rapid control of elements of hybrid quantum-classical superconducting neural networks, as well as hardware learning tools, developed in the project is based on a promising energy-efficient modification of rapid single flux quantum logic. A set of theoretical and experimental studies within the framework of the project will allow to develop methodological recommendations and measurement protocols for initialization, control and reading of elements of quantum neural networks. The scientific significance of the project is determined by obtaining new knowledge about the principles of developing a superconducting hybrid quantum-classical neuron, synapse, control and filtering elements as part of quantum neural networks.
грант РНФ |
# | Сроки | Название |
1 | 1 июля 2022 г.-30 июня 2025 г. | Разработка элементной базы для гибридных квантово-классических сверхпроводниковых нейронных сетей на основе макроскопических квантовых эффектов |
Результаты этапа: |
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".