أكملت شركة SandboxAQ الناشئة في مجال الذكاء الاصطناعي الكمي الجولة E من التمويل، حيث حصلت على إجمالي 450 مليون دولار من المستثمرين بما في ذلك مؤسس صندوق بريدج ووتر راي داليو، وهورايزون كينيتكس، وبنك باريس، وجوجل، وإنفيديا. ستساعد هذه الاستثمارات الجديدة SandboxAQ في دفع تطبيقات النماذج الكمية الكبيرة (LQM) في مجال تداخل الذكاء الاصطناعي والتقنيات الكمية، وتسريع الابتكارات في مجال الذكاء الاصطناعي وتوسيع أبحاثها في القطاعات المالية والبيوكيميائية والأمن السيبراني.
جمعت SandboxAQ أكثر من 9.5 مليار دولار منذ أن انفصلت عن Alphabet في عام 2022. انضم مستثمرون جدد لدعم تطوير SandboxAQ تشمل المؤسسات Breyer Capital وEric Schmidt وAlger وPaladin Capital وS32 وTIME Ventures وT. Rowe Price Associates, Inc. ، ويعزز التمويل الجديد من مكانة SandboxAQ الرائدة في مجالات الذكاء الاصطناعي والتقنيات الكمية ، ويمكن أن يدفع الابتكار في صناعة التكنولوجيا الحيوية والمالية.
قال أوليفييه أوستي ، رئيس الأسواق العالمية في بنك باريس الفرنسي ، إن الذكاء الاصطناعي والقوة الحاسوبية المتقدمة تؤثر بشكل كبير على الخدمات المالية ، ويتطلع بنك باريس الفرنسي للتعاون مع SandboxAQ لاستكشاف الحلول المبتكرة في مجالات الذكاء الاصطناعي والتقنيات الكمية.
قال مؤسس صندوق بريدج ووتر ، راي داليو ، إنه رمى رهانًا على فريق SandboxAQ ونموذجه الكمي الكبير (LQM) لأنه انبهر بالفريق والتقنية.
ما هي LQMs؟
نماذج كوانتية كبيرة (Large Quantitative Models اختصار LQM) هي المرحلة التالية في تطوير الذكاء الاصطناعي، LQM هو ذكاء اصطناعي قائم على المعادلات الأساسية الفيزيائية والكيميائية والبيولوجية، يستخدم طرق رياضية موثوقة للتدريب على البيانات الناتجة مباشرة من هذه المعادلات.
تتكون بنية LQM عادةً من عدة مكونات رئيسية. هذه هي وحدات خاصة لحل المعادلات أو لتحليل البيانات الإحصائية من خلال التعلم العميق أو الطرق العددية التقليدية أو الطرق التي تقع بين الاثنين ، وهذا هو الفرق بين LQM و LLM التقليدي.
تستخدم LQM قاعدة بيانات مختارة من المعلومات العلمية كجزء من عملية الاستدلال الخاصة بها، حيث تستخدم LQM LLM لإنجاز المهام المرتكزة على اللغة، مما يمكنها من فهم النصوص وإنتاجها بنفس الطريقة التي يفهم بها الإنسان، وبالتالي التفاعل بفعالية مع المستخدمين ومعالجة البيانات القائمة على النص.
كيف تعمل هذه المكونات معا؟ عند ظهور مشكلة ، قد تستخدم إدارة الجودة الشاملة أولا نموذجها اللغوي لفهم المشكلة ، ومن ثم يمكنها تنشيط وحدتها الكمية لإجراء الحسابات أو عمليات المحاكاة اللازمة. طوال العملية ، يمكنه استخدام معرفته الخاصة بالمجال لتوجيه تفكيره. أخيرا ، يمكنه تجميع كل هذه المعلومات لإنتاج استجابة ، والتي يمكن بعد ذلك توصيلها إلى المستخدم من خلال نموذج اللغة.
SandboxAQ تطور خوارزمية جديدة لشبكة التنسور
بالطبع يمكن للحوسبة الكمية محاكاة هذه الأنظمة بلغة ميكانيكا الكم مباشرة، لكن تحقيق ذلك قد يستغرق عدة عقود. لأن الحوسبة الكمية الحالية لا تزال تواجه مجموعة من التحديات، مثل التحكم في معدل الخطأ في الكيوبتات. على الرغم من أن شريحة Willow التي أصدرتها Google مؤخرًا حققت تقدمًا كبيرًا في هذه المشكلة، إلا أن هناك العديد من القضايا التي لا تزال بحاجة إلى الحل قبل بناء كمبيوترات كمية على نطاق واسع.
لحل هذه المشكلات، طورت SandboxAQ خوارزمية جديدة تعتمد على الشبكات الموترية (Tensor Networks). نشأت هذه الخوارزمية في الأصل من مجال فيزياء الجسيمات الكمية، حيث تستفيد من خاصية أساسية في الطبيعة - المحلية (Locality). ببساطة، تعني المحلية أن أجزاء من نظام ما، مثل ذرتين بعيدتين في جزيء طويل، لا تؤثر على بعضها البعض بطريقة ذات مغزى. باستخدام هذه الخاصية، يمكن لخوارزمية الشبكات الموترية تمثيل الحالات الكمية بطريقة فعالة، والمعروفة بقانون مساحة التداخل. ( المصدر: مراجعة التكنولوجيا من MIT )
تعاون تقنية SandboxAQ و Nvidia CUDA
تعاونت SandboxAQ مع Nvidia لتأسيس شراكة تقنية عميقة، حيث قامت SandboxAQ بتوسيع وظائف CUDA مما يجعل وحدات معالجة الرسومات العادية قادرة على دعم الحوسبة الكمومية، مما يعني أنهم لا يحتاجون إلى انتظار ظهور الكمبيوتر الكمومي الحقيقي، بل يمكنهم استخدام الأجهزة الحالية لإجراء المحاكاة الكمومية، وفي الوقت نفسه يمكن دمج وحدات المعالجة الكمومية (QPUs) في المستقبل. في إحدى الدراسات، استخدم فريق البحث في SandboxAQ وحدات معالجة Tensor من Google لإنهاء تحسين عالي الأبعاد مع أكثر من 600 مليار معلمة في غضون 24 ساعة، مما أحدث رقماً قياسياً لأكبر حسابات الشبكات التنسورية في العالم.
مشاهد تطبيق LQM
يمكن أن تساعد LQM العلماء في تحليل مجموعات البيانات المعقدة، وطرح الفرضيات، وحتى تصميم التجارب، خاصة في مجال البيولوجيا حيث تكون مفيدة بشكل خاص، حيث يمكنها توقع هيكل البروتين ثلاثي الأبعاد بناءً على تسلسل الأحماض الأمينية. مثال محدد هو في تطوير أدوية جديدة. من خلال تحليل الهياكل الجزيئية وتوقع التفاعلات، يمكن أن تسهم LQM بشكل كبير في تسريع عملية التعرف على الأدوية المحتملة. في مجالات مثل علوم المواد أو الهندسة الإنشائية، يمكن لـ LQM مساعدة في تحسين التصميم من خلال إجراء عدد لا يحصى من المحاكاة واقتراح تحسينات بناءً على معايير محددة.
يمكن استخدام LQM أيضًا لمعالجة مصادر البيانات المختلفة لإنشاء نماذج مناخية أكثر دقة، مما يساعدنا على فهم وتوقع التغيرات البيئية بشكل أفضل. في المجال المالي، يمكن لـ LQM معالجة بيانات السوق والأخبار والمؤشرات الاقتصادية لتوفير تقييمات أكثر تعقيدًا للمخاطر واستراتيجيات الاستثمار.
مقدمة عن SandboxAQ
SandboxAQ هي شركة B2B تقدم حلولاً في مجال الذكاء الاصطناعي والنماذج الكمية. توفر نماذج SandboxAQ الكمية الكبيرة (LQM) تقدماً كبيراً في مجالات العلوم الحياتية والخدمات المالية والملاحة وغيرها من مجالات العلوم. تم فصل SandboxAQ عن Alphabet Inc. وهي شركة مستقلة ممولة من قبل مستثمرين وشركاء استراتيجيين، بما في ذلك T. Rowe Price Associates, Inc. وAlger وIQT وUS Innovative Technology Fund وS32 وPaladin Capital وBNP Paribas وEric Scanmidt وBrehebmidt وBrehebun وPaladin Capital وBNP Paribas وEric Scanmidt وBreullibmidt وBreulli وغيرها من المؤسسات.
هذه المقالة تتحدث عن شركة ناشئة في مجال الذكاء الاصطناعي الكمي SandboxAQ التي أكملت جولة التمويل من الفئة E، حيث تشمل الجهات الممولة صندوق بريدج وتر، ونفيديا، وجوجل. ظهرت لأول مرة في أخبار السلسلة ABMedia.
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
أكملت شركة SandboxAQ الناشئة في مجال الذكاء الاصطناعي الكمي جولة التمويل E، حيث تشمل الجهات المستثمرة صندوق بريدج ووتر، ونفيديا، وجوجل.
أكملت شركة SandboxAQ الناشئة في مجال الذكاء الاصطناعي الكمي الجولة E من التمويل، حيث حصلت على إجمالي 450 مليون دولار من المستثمرين بما في ذلك مؤسس صندوق بريدج ووتر راي داليو، وهورايزون كينيتكس، وبنك باريس، وجوجل، وإنفيديا. ستساعد هذه الاستثمارات الجديدة SandboxAQ في دفع تطبيقات النماذج الكمية الكبيرة (LQM) في مجال تداخل الذكاء الاصطناعي والتقنيات الكمية، وتسريع الابتكارات في مجال الذكاء الاصطناعي وتوسيع أبحاثها في القطاعات المالية والبيوكيميائية والأمن السيبراني.
جمعت SandboxAQ أكثر من 9.5 مليار دولار منذ أن انفصلت عن Alphabet في عام 2022. انضم مستثمرون جدد لدعم تطوير SandboxAQ تشمل المؤسسات Breyer Capital وEric Schmidt وAlger وPaladin Capital وS32 وTIME Ventures وT. Rowe Price Associates, Inc. ، ويعزز التمويل الجديد من مكانة SandboxAQ الرائدة في مجالات الذكاء الاصطناعي والتقنيات الكمية ، ويمكن أن يدفع الابتكار في صناعة التكنولوجيا الحيوية والمالية.
قال أوليفييه أوستي ، رئيس الأسواق العالمية في بنك باريس الفرنسي ، إن الذكاء الاصطناعي والقوة الحاسوبية المتقدمة تؤثر بشكل كبير على الخدمات المالية ، ويتطلع بنك باريس الفرنسي للتعاون مع SandboxAQ لاستكشاف الحلول المبتكرة في مجالات الذكاء الاصطناعي والتقنيات الكمية.
قال مؤسس صندوق بريدج ووتر ، راي داليو ، إنه رمى رهانًا على فريق SandboxAQ ونموذجه الكمي الكبير (LQM) لأنه انبهر بالفريق والتقنية.
ما هي LQMs؟
نماذج كوانتية كبيرة (Large Quantitative Models اختصار LQM) هي المرحلة التالية في تطوير الذكاء الاصطناعي، LQM هو ذكاء اصطناعي قائم على المعادلات الأساسية الفيزيائية والكيميائية والبيولوجية، يستخدم طرق رياضية موثوقة للتدريب على البيانات الناتجة مباشرة من هذه المعادلات.
تتكون بنية LQM عادةً من عدة مكونات رئيسية. هذه هي وحدات خاصة لحل المعادلات أو لتحليل البيانات الإحصائية من خلال التعلم العميق أو الطرق العددية التقليدية أو الطرق التي تقع بين الاثنين ، وهذا هو الفرق بين LQM و LLM التقليدي.
تستخدم LQM قاعدة بيانات مختارة من المعلومات العلمية كجزء من عملية الاستدلال الخاصة بها، حيث تستخدم LQM LLM لإنجاز المهام المرتكزة على اللغة، مما يمكنها من فهم النصوص وإنتاجها بنفس الطريقة التي يفهم بها الإنسان، وبالتالي التفاعل بفعالية مع المستخدمين ومعالجة البيانات القائمة على النص.
كيف تعمل هذه المكونات معا؟ عند ظهور مشكلة ، قد تستخدم إدارة الجودة الشاملة أولا نموذجها اللغوي لفهم المشكلة ، ومن ثم يمكنها تنشيط وحدتها الكمية لإجراء الحسابات أو عمليات المحاكاة اللازمة. طوال العملية ، يمكنه استخدام معرفته الخاصة بالمجال لتوجيه تفكيره. أخيرا ، يمكنه تجميع كل هذه المعلومات لإنتاج استجابة ، والتي يمكن بعد ذلك توصيلها إلى المستخدم من خلال نموذج اللغة.
SandboxAQ تطور خوارزمية جديدة لشبكة التنسور
بالطبع يمكن للحوسبة الكمية محاكاة هذه الأنظمة بلغة ميكانيكا الكم مباشرة، لكن تحقيق ذلك قد يستغرق عدة عقود. لأن الحوسبة الكمية الحالية لا تزال تواجه مجموعة من التحديات، مثل التحكم في معدل الخطأ في الكيوبتات. على الرغم من أن شريحة Willow التي أصدرتها Google مؤخرًا حققت تقدمًا كبيرًا في هذه المشكلة، إلا أن هناك العديد من القضايا التي لا تزال بحاجة إلى الحل قبل بناء كمبيوترات كمية على نطاق واسع.
لحل هذه المشكلات، طورت SandboxAQ خوارزمية جديدة تعتمد على الشبكات الموترية (Tensor Networks). نشأت هذه الخوارزمية في الأصل من مجال فيزياء الجسيمات الكمية، حيث تستفيد من خاصية أساسية في الطبيعة - المحلية (Locality). ببساطة، تعني المحلية أن أجزاء من نظام ما، مثل ذرتين بعيدتين في جزيء طويل، لا تؤثر على بعضها البعض بطريقة ذات مغزى. باستخدام هذه الخاصية، يمكن لخوارزمية الشبكات الموترية تمثيل الحالات الكمية بطريقة فعالة، والمعروفة بقانون مساحة التداخل. ( المصدر: مراجعة التكنولوجيا من MIT )
تعاون تقنية SandboxAQ و Nvidia CUDA
تعاونت SandboxAQ مع Nvidia لتأسيس شراكة تقنية عميقة، حيث قامت SandboxAQ بتوسيع وظائف CUDA مما يجعل وحدات معالجة الرسومات العادية قادرة على دعم الحوسبة الكمومية، مما يعني أنهم لا يحتاجون إلى انتظار ظهور الكمبيوتر الكمومي الحقيقي، بل يمكنهم استخدام الأجهزة الحالية لإجراء المحاكاة الكمومية، وفي الوقت نفسه يمكن دمج وحدات المعالجة الكمومية (QPUs) في المستقبل. في إحدى الدراسات، استخدم فريق البحث في SandboxAQ وحدات معالجة Tensor من Google لإنهاء تحسين عالي الأبعاد مع أكثر من 600 مليار معلمة في غضون 24 ساعة، مما أحدث رقماً قياسياً لأكبر حسابات الشبكات التنسورية في العالم.
مشاهد تطبيق LQM
يمكن أن تساعد LQM العلماء في تحليل مجموعات البيانات المعقدة، وطرح الفرضيات، وحتى تصميم التجارب، خاصة في مجال البيولوجيا حيث تكون مفيدة بشكل خاص، حيث يمكنها توقع هيكل البروتين ثلاثي الأبعاد بناءً على تسلسل الأحماض الأمينية. مثال محدد هو في تطوير أدوية جديدة. من خلال تحليل الهياكل الجزيئية وتوقع التفاعلات، يمكن أن تسهم LQM بشكل كبير في تسريع عملية التعرف على الأدوية المحتملة. في مجالات مثل علوم المواد أو الهندسة الإنشائية، يمكن لـ LQM مساعدة في تحسين التصميم من خلال إجراء عدد لا يحصى من المحاكاة واقتراح تحسينات بناءً على معايير محددة.
يمكن استخدام LQM أيضًا لمعالجة مصادر البيانات المختلفة لإنشاء نماذج مناخية أكثر دقة، مما يساعدنا على فهم وتوقع التغيرات البيئية بشكل أفضل. في المجال المالي، يمكن لـ LQM معالجة بيانات السوق والأخبار والمؤشرات الاقتصادية لتوفير تقييمات أكثر تعقيدًا للمخاطر واستراتيجيات الاستثمار.
مقدمة عن SandboxAQ
SandboxAQ هي شركة B2B تقدم حلولاً في مجال الذكاء الاصطناعي والنماذج الكمية. توفر نماذج SandboxAQ الكمية الكبيرة (LQM) تقدماً كبيراً في مجالات العلوم الحياتية والخدمات المالية والملاحة وغيرها من مجالات العلوم. تم فصل SandboxAQ عن Alphabet Inc. وهي شركة مستقلة ممولة من قبل مستثمرين وشركاء استراتيجيين، بما في ذلك T. Rowe Price Associates, Inc. وAlger وIQT وUS Innovative Technology Fund وS32 وPaladin Capital وBNP Paribas وEric Scanmidt وBrehebmidt وBrehebun وPaladin Capital وBNP Paribas وEric Scanmidt وBreullibmidt وBreulli وغيرها من المؤسسات.
هذه المقالة تتحدث عن شركة ناشئة في مجال الذكاء الاصطناعي الكمي SandboxAQ التي أكملت جولة التمويل من الفئة E، حيث تشمل الجهات الممولة صندوق بريدج وتر، ونفيديا، وجوجل. ظهرت لأول مرة في أخبار السلسلة ABMedia.