В Канаде широко развита система государственной поддрежки различных Фондов, которые обещают рывок в какой-то технологической отрасли. Мы хотим показать такой Фонд, который получил в общей сложности ококло 150 миллионов долларов, правда половину дала компания IBM а вторую правительство Канады. Вот посмотрите какие проекты получили финансирование (всего 249 преокта) мы выбрали два. Вы можете оценить сами.
Как подобрать себе парик.
Средний доход индустрии париков за последние пять лет стабильно растет до 415,2 млн долларов в год. Эта отрасль обслуживает четыре отдельные группы потребителей: 1) лица, которые покупают парики в эстетических целях, 2) лица, потерявшие волосы из-за состояния здоровья или лечения, 3) лица, которые следуют своей религиозной практике из-за определенных ограничений на прическу, и 4. ) режиссеры кино/театра, которые покупают парики как часть костюмов персонажей. Парик стоит от 600 до 1500 долларов и более. Кроме того, со вспышками COVID-19 онлайн-покупки неизбежно стали ведущими тенденциями.
Однако покупка идеального парика в Интернете — непростая задача. Мы создадим рынок на базе ИИ, чтобы решить эту проблему. На рынке, основанном на ИИ, клиенты получают экспертные советы от ИИ, как если бы клиентов обслуживали эксперты в предметной области. ИИ извлечет форму головы, тон кожи и личность клиентов из изображения и видео и даст лучшие рекомендации.
Параллельные компьютеры.
Синтез квантовой схемы — важный шаг в процессе квантовой компиляции. Для произвольной унитарной операции синтез квантовой схемы — это процесс построения квантовой схемы с использованием только вентилей из универсального набора вентилей, который либо точно, либо приблизительно эквивалентен исходной операции. Известные в настоящее время алгоритмы синтеза схем с несколькими кубитами работают за экспоненциальное время и полагаются на создание баз данных размером во много ГБ для завершения поиска; синтез схем из более чем 3 кубитов до определенной длины невозможен с использованием современных методов из-за этого экспоненциального масштабирования. Мы разработали структуру и сопутствующее программное обеспечение, которое использует компромиссы между временем и памятью и методы параллельного обнаружения столкновений для синтеза схем. Простая реализация с использованием 16 потоков OpenMP показала, что этот подход может увеличить скорость синтеза по сравнению с предыдущими алгоритмами, а также синтезировать более крупные схемы. Чтобы в полной мере воспользоваться преимуществами этого алгоритма, мы разрабатываем гибридный алгоритм OpenMP/MPI с надеждой масштабировать этот метод до тысяч ядер и более.
