しんさんのブログ

科学や技術のこと読書のことなど

「驚異の量子コンピュータ」 藤井啓祐著を読みました

私が初めて量子コンピュータという言葉を聞いたのは多分2000年代の初めのころだと思います。
それ以前にも、ファインマン量子計算機というアイデアを提唱していたという話は聞いたことがあったのですが、実際に計算のアルゴリズムや計算の仕組みについては知りませんでした。
量子力学の原理を利用すれば当然、可能な状態を同時に持つことができユニタリなオブザーバブルに対して観測したい基底で内積をとることで確率振幅から実際の物理量を得ることができますが、その原理を利用して計算を行おうというアイデアです。
理論的には想像できても実際に量子状態をコヒーレントな状態に保ったまま、計算行為を進めるにはどうしたらよいのか、ちょっと考えただけでも非常に難しいと想像できます。
本書では、量子力学の原理を使用するとなぜ計算が高速にできるか?なぜ、量子コンピュータを現実に作るのは難しいのか?という話から、量子コンピュータの黎明期からいくつかの困難に対するブレークスルーを経て、現在の量子コンピュータの到達点までを数式をほとんど使わずにわかりやすく説明しています。
量子エンタングルメントのあたりはさすがに概念そのものが難しのでなかなか理解しがたいのですが、それでもそれがどのようなものなのかをおぼろげながら知ることはできると思います。
この辺りは実は数式を使って説明したほうが簡単で分かりやすくはなると思いますが、数式というだけで敬遠する人もいるので難しいところです。
最後の10章は読んでいてわくわくするような量子コンピュータが活躍する未来の話です。
物質を分子、原子レベルで最適化できればどれほどすごいことができるのか想像するだけで無限の可能性の広がりが見えます。
また、量子重力、ブラックホール、はたまた宇宙の始まりといった自然そのものを計算で理解しようという試みを考えると、未来が楽しみになります。

「妻を帽子とまちがえた男」 オリヴァー サックス (著) を読みました

ずいぶん前に職場の読書好きの方にいただいた本です。
最近はStay homeで家にいる時間が長くなり、本を読む時間も増えてとても楽しいのですが、乱読して読書記録を付けることはあまりないのですが、本書はとても印象に残ったので簡単にメモしておきます。
著者のオリヴァー サックスと言えば、映画「レナードの朝」の原作者として有名ですが、本職は臨床医であり研究者です。その臨床研究をもとに、脳の障害や疾患の結果生じるとても驚くべき脳の動作を著書にしています。

本書も実際にサックスが診断した患者さんの一般には奇妙だと思われる行動の背後にある脳の素晴らしい能力は可能性を、24の症例を示しながらわかりやすく説明しています。
400ページを超える分厚い本ですが、24個の基本的に独立した話に分かれていますので思ったよりも読みやすく、少しずつ読み進むことができます。
私は面白さに完全にはまってしまい、一気に読んでしまいました。

 素因数分解って難しく計算機を使っても簡単な問題ではないですが、数値が画像やイメージの塊のように見えて(実際にそう見えているかどうかは誰にもわからないのですが)、その大きな数が素数かどうか”直感的に”わかる人がいたり、素因数分解が頭の中に勝手に湧いてくるような人がいるそうです。
世界や自然をありのままに見続ける能力を持っている人がいる、それは世界を抽象化し一般化しようとする多くの人とは対極にあるかもしれませんが、絵を描くことや音楽、そして数の世界では抽象化した見方からは信じられないような具体的な生き生きとした世界を紡ぎだしてくれるようです。
AIやディープラーニングというのは抽象化や統合化というものは苦手だけど、いったん具体的なデータが与えられれはその重みを最適化することで具体的な世界を描き出すことができる。
人工知能やその一つの技術であるディープラーニングが、本書に出てくる特殊な能力を持つ患者たち共通する部分があると感じて、非常に興味深かったです。
人工知能に興味のある人やその分野で研究・開発している人にはお勧めのです。

Siggraph2020情報まとめ

Siggraph 2020は今年はオンライン開催です。

s2020.siggraph.org

kesen.realtimerendering.com

  • Siggraph2020 Proceeding: Appy Hour

https://dl.acm.org/doi/proceedings/10.1145/3388529

  • Emerging Technologies

https://dl.acm.org/doi/proceedings/10.1145/3388534

https://dl.acm.org/doi/proceedings/10.1145/3388769

  • Posters

https://dl.acm.org/doi/proceedings/10.1145/3388770

  • Real-Time Live!

https://dl.acm.org/doi/proceedings/10.1145/3407662

  • Technical paperの紹介ビデオとプログラムへのリンク

s2020.siggraph.org

GPU基礎性能で最低限抑える数値は?

機械学習特にDeep learningを実行する際にはGPUを利用しますが、
GPUにも様々な種類があり性能もまちまちです。
そこで、GPUのスペックは最低限どのあたりを見ればよいかをNVIDIA RTX 2080Tiを例にまとめました。

GPUアーキテクチャ:Turing
CUDA(Compute Unit)のコア数:4352
Tensorコア数:544
メモリ容量: 11GB
GPUクロック:1.35GHz
メモリクロック:1.75GHz
他には、メモリタイプ、メモリバンド幅など押さえておくべきスペックはあります。