Strangeworks, Inc. (Strangeworks) en Rigetti Computing, Inc. (Rigetti) hebben aangekondigd dat Strangeworks zich ertoe verbindt twee nieuwe quantum machine learning (QML)-toepassingen van Rigetti op haar platform beschikbaar te stellen. Deze nieuwe QML-toepassingen zijn Rigetti's quantum kernel en quantum convolutionaire "quanvolutionaire" neurale netwerkmethoden, die specifiek zijn geoptimaliseerd voor Rigetti quantumcomputers en zijn ontworpen om de ontwikkeling van toepassingen met betrekking tot classificatie- en regressieproblemen te bevorderen. Deze QML-toepassingen zullen naar verwachting begin 2023 exclusief beschikbaar zijn op het Strangeworks-platform. Het is de bedoeling dat de toepassingen beschikbaar worden gesteld via Rigetti's on-demand, pay-as-you-go toegangsmodel via Strangeworks.

Deze on-demand toegang tot Rigetti systemen is mogelijk gemaakt door de nauwe integratie van Rigetti's quantum processing units met het Strangeworks platform. De integratie heeft ook geresulteerd in hogere prestaties van Rigetti systemen op Strangeworks door een lagere totale programma latentie en native ondersteuning van de Quil programmeertaal. Meer over toepassingen en het Strangeworks platform: Strangeworks Managed ApplicationsDeze toepassingen zullen naar verwachting beschikbaar zijn op het Strangeworks platform, dat beschikt over een snel groeiende catalogus van kant-en-klare diensten die zijn ontworpen om de toepassing van kwantumcomputingtechnologieën gemakkelijker te integreren in workflows en toe te passen op problemen. Rigetti Quanvolutional Neural Network MethodRigetti's Quanvolutional Neural Network methode is ontworpen om beeld- en videoanalyse te verbeteren door kwantumverrijkte kenmerken toe te voegen aan een bestaande dataset voor gebruik door klassieke neurale netwerken.

Deze methode is potentieel zeer geschikt voor het vereenvoudigen van verdere verwerking van machinaal leren, aangezien er minder gegevens en minder parameters nodig zijn om het klassieke model te trainen. Rigetti Quantum Kernel MethodRigetti's Quantum Kernel Method is ontworpen om overeenkomsten tussen punten in een dataset te beoordelen, die waardevol kunnen zijn voor gebruik in een classificatie- of regressiemodel. Door de overeenkomsten te beoordelen in de exponentieel grotere ruimte die de kwantumverwerkingseenheid biedt, kan het resultaat van deze methode mogelijk worden gebruikt voor de opsporing van anomalieën.