Latvijas Universitāte no Accenture kvantu algoritmu izpētei saņēmusi 270 tūkst. eiro

“Eksperimenti kvantu attēlu jomā devuši jaunu pieredzi mūsu komandai, jo pirmo reizi esam tik cieši sadarbojušies ar uzņēmumu, kas ieinteresēts kvantu skaitļošanas iespējās. Kvantu mašīnmācīšanās ir starp visaktuālākajiem pētniecības virzieniem kvantu skaitļošanā un iegūtie rezultāti ir nozīmīgi, lai saprastu, kādiem attēlu veidiem tā dod kvantu priekšrocību. Sadarbības turpināšana ļaus atklāt jaunus izstrādāto metožu lietojumus citiem mašīnmācīšanās uzdevumiem,” uzsver Latvijas Universitātes Datorikas fakultātes profesors, LU DF Kvantu datorzinātnes centra vadītājs Andris Ambainis.

Pirmā pilotprojekta ietvaros LU un Accenture komanda izpētīja kvantu mašīnmācīšanās pielietošanu medicīnas datu apstrādē, lai meklētu risinājumu radiologijas nozarē aktuālai problēmai. Pētījumā*, kas radioloģijas nozarē veikts Jaunzēlandē, secināts, ka visbiežāk radiologu diagnostikas kļūdas iedalāmas divās lielās kategorijās: uztveres un interpretācijas. Uztveres kļūdas gadījumā radiologs neredz īpašu novirzi no normas, kas veido 80% no pieļauto kļūdu kopskaita, savukārt interpretācijas jeb kognitīvās kļūdās, kas veido 20%, ārsts redz anomāliju, bet neatzīst tās nozīmi.

Abus šos izplatītāko kļūdu rašanās iemeslus var palīdzēt risināt un novērst mākslīgā intelekta izmantošana datu analīzē, taču, lai radītu mašīnmācīšanās modeļus ar pietiekami augstu precizitāti, ir nepieciešams ārkārtīgi liels radioloģijas izmeklējumu datu apjoms. Šādu modeļu trenēšana var aizņemt vairākas nedēļas un patērēt lielu daudzumu enerģijas un skaitļošanas resursu. Savukārt, no kvantu datora sagaidāms, ka dēļ tā pilnībā atšķirīgajiem fizikālās uzbūves un darbības principiem nekā klasiskajam datoram, tas spēs apstrādāt lielu datu apjomu daudz īsākā laikā un sniegt atbildi ar augstu precizitāti.

LU pētījuma komanda darbu uzsāka vispirms izpētot, kura no kvantu mašīnmācīšanās metodēm būtu vispiemērotākā problēmas risināšanai, kur dotajā attēlā ir jāidentificē atrodamās anomālijas. Tam sekoja piemērotākās metodes izmantošana un situācijai pielāgota kvantu algoritma izstrāde un testēšana uz Kanādas kvantu skaitļošanas sistēmas nodrošinātāja D-wave kvantu skaitļošanas ierīces.

Eksperimentu rezultātā pētījuma komandai izdevās uztrenēt kvantu mašīnmācīšanas modeli, lai tas spētu gan atpazīt, gan klasificēt radioloģijas uzņēmumos atrodamās anomālijas. Accenture izstrādātāju komanda uzbūvēja lietojumprogrammas prototipu, kurā integrēja LU pētnieku izstrādāto algoritmu, lai demonstrētu, kā radiologi un citi medicīnas speciālisti varētu savā darbā pielietot šo rīku. Šāds risinājums palīdzētu samazināt diagnostikas kļūdas, kā arī mazinātu speciālistu noslodzi, veicot datu priekšapstrādi un atlasi,  kā arī veicinātu precīzāku pacienta diagnozes noteikšanu un veiksmīgāku turpmāko ārstēšanu.

“Šobrīd projekta komanda turpina darbu pie papildus eksperimentiem ar citām attēlu datu kopām, lai novērtētu izstrādātā algoritma darbību arī citu attēlu identificēšanā un klasificēšanā, kā arī gatavo zinātnisko publikāciju par veiktajiem eksperimentiem. Tāpat norisinās diskusijas ar nozares pārstāvjiem par sadarbību jaunu pielietošanas gadījumu izpētē citās jomās, kur kvantu skaitļošanas metodēm ir augsts potenciāls – finanšu sektorā, materiālzinātnē, biofarmācijā un citviet,” uzsver Accenture vadītājs Baltijā Maksims Jegorovs.