自动驾驶来了？现代汽车将利用量子计算加快这一进程
光子盒研究院出品
4月19日，IonQ和现代汽车公司宣布了一项新项目，旨在利用量子机器学习改进在真实世界测试环境中进行道路标志图像分类和模拟等任务的计算过程，进而扩展到3D目标检测。
这是IonQ在2022年与现代汽车公司宣布的第二个涉及量子计算的项目。2022年1月，他们宣布了一项研究，以探索使用量子计算来改进电池化学性质。
众所周知，随着汽车公司转向自动驾驶、半自动驾驶汽车，需要大幅提高计算复杂性。虽然近几十年来，不太可能有人会在汽车内安装一台成熟的量子计算机，但量子计算机在加速各种汽车相关机器学习应用的机器学习模型训练方面仍然具有巨大的潜力。训练机器学习模型是机器学习中计算量最大的工作。它包括为模型提供潜在情况的大型数据集，并使用复杂的算法创建可用于识别图像中特征的数学模型。
图像分类和3D目标检测是迈向下一代出行方式（包括自动驾驶汽车）的基础步骤。IonQ和现代汽车将共同寻求通过量子计算机上更高效的机器学习来提高计算能力，因为它们可以比经典系统更快，更准确地处理大量数据。
可以在图片中区分猫和狗的神经网络示例
利用将图像编码为量子态的突破，IonQ已经在使用IonQ的量子处理器对43种类型的路标进行分类。下一阶段，两家公司将把IonQ的机器学习数据应用到现代汽车的测试环境中，并模拟各种真实场景。
最新项目中，IonQ与现代汽车的将使用他们的Aria量子计算机来帮助创建一个机器学习模型，用于对移动情况下常见的43种道路标志进行分类。虽然模型的训练不会发生在汽车中，但一旦使用模型创建，就可以使用车载经典计算机执行，该计算机接收来自车载摄像头的输入并确定图像中是否存在任何道路标志。
该计划的初始阶段将是使用IonQ的“Aria处理器”——IonQ Aria拥有20个算法量子比特（#AQ），是基于面向应用的标准行业基准的业界最强大的量子计算机。用Aria创建模型，然后将其带到现代的测试环境并模拟各种真实场景。长期活动可能包括扩大研究范围，以包括更一般的3D目标检测，以便系统可以识别行人或骑自行车的人。对于这个项目，IonQ将使用一种突破性的算法将图像编码成量子态。
“我们很高兴扩大与现代汽车的现有合作，专注于下一代出行方式的另一个关键方面，”IonQ总裁兼首席执行官Peter Chapman表示，“从电动汽车电池研究的合作到自动驾驶的图像分类和目标检测研究，我们希望看到量子计算机成为开发新型交通解决方案中不可或缺的一部分。”
参考链接：
[1]https://quantumcomputingreport.com/ionq-collaborates-with-hyundai-on-a-quantum-machine-learning-application-for-image-classification-and-3d-object-detection/
[2]https://ionq.com/news/april-19-2022-ionq-hyundai-quantum-machine-learning