Эвин Тан - Ewin Tang

Эвин Тан
Родившийся2000 (19–20 лет)
Альма-матерТехасский университет в Остине
Научная карьера
ПоляИнформатика, Квантовая информация
ДокторантДжеймс Ли
Другие научные консультантыСкотт Ааронсон
Интернет сайтhttps://ewintang.com/

Эвин Тан (2000 г.р.) - специалист по информатике в Вашингтонский университет. Она была названа одним из ученых 2019 года. Forbes 30 до 30 лет[1] за ее работу по разработке алгоритмов для классических компьютеров для выполнения вычислений, которые ранее считались возможными только с квантовыми компьютерами, исследования, которые начались под руководством Скотт Ааронсон когда Тан был подростком.

Ранние годы

Тан пропустил четвертый, пятый и шестой классы, чтобы поступить в Техасский университет в Остине в 14 лет.[2] Первый исследовательский опыт Тан предполагал работу над визуализация in vivo для биомедицинских исследований, таких как оптические зонды для просмотра поляризованных макрофаги при реакции на инородное тело,[паб 1] бактериальная инфекция,[паб 2] фибрин осаждение[паб 3] и обнаружение в реальном времени нейтрофил ответы.[паб 4] В 2014 году Тан был награжден Сотрудник Дэвидсона Почетный знак за ее работу над оптическим датчиком изображения для обнаружения инфекции в реальном времени.[3] В 2017 году она взяла курс на квантовая информация ее преподавал Скотт Ааронсон, который вскоре стал ее научным руководителем. Ааронсон признал Тан «необычайно талантливой ученицей» и представил ей ряд исследовательских проектов на выбор; среди них был проблема рекомендации.[2]

Исследование

До работы Танга самые известные классические алгоритмы, решающие некоторые задачи линейной алгебры, при некоторых предположениях были экспоненциально медленнее, чем лучшие квантовый алгоритм по той же проблеме. Вдохновленный квантовым решением, основанным на Алгоритм HHL, она нашла[паб 5][паб 6][паб 7] классические алгоритмы решают эту проблему за то же время, что и квантовые алгоритмы, при аналогичных предположениях, таким образом «деквантизируя» их и экспоненциально улучшая по сравнению с наиболее известными классическими алгоритмами.

Ее первой работой в области квантовых вычислений была диссертация 2018 года под названием Квантовый классический алгоритм для рекомендательных систем,[паб 5] под руководством Скотт Ааронсон, что позволило ей получить две степени бакалавра в Информатика И в чистая математика от UT Остин. В этой работе подробно описывается новый алгоритм, который решает проблема рекомендации; например, как Amazon или же Netflix предсказать, какие книги или фильмы понравятся лично конкретному потребителю? Линейно-алгебраический подход к проблеме следующий: задано м пользователи и п продуктов, а также неполные данные о том, какие продукты предпочитают пользователи (организованные в данные двоичного дерева структура), где существует не так много способов, которыми пользователи могут изменять свои предпочтения (так называемые матрицы низкого ранга ), какие продукты может захотеть купить данный пользователь? Распространенная линейно-алгебраическая классическая стратегия решения этой проблемы состоит в том, чтобы восстановить аппроксимацию полной матрицы предпочтений и использовать ее для прогнозирования следующего предпочтительного продукта. Такая стратегия использует как минимум время многочлен в размерности матрицы.

В 2016 году Иорданис Керенидис и Анупам Пракаш обнаружили экспоненциально более быстрый квантовый алгоритм;[4] этот алгоритм использует Алгоритм HHL для выборки продукта непосредственно из аппроксимации матрицы предпочтений без восстановления самой матрицы, тем самым избегая многочлен указанный выше предел. Классический алгоритм Танга, вдохновленный быстрым квантовым алгоритмом Керенидиса и Пракаша, способен выполнять те же вычисления, но на обычном компьютере без необходимости квантового вычисления. машинное обучение. Оба подхода работают полилогарифмическое время что означает, что общее время вычислений зависит от логарифм переменных проблемы, таких как общее количество продуктов и пользователей, за исключением того, что Tang использует классическое воспроизведение методов квантовой выборки. До результатов Танга считалось, что быстрого классического алгоритма не существует; Керенидис и Пракаш не пытались изучить классическое решение, и задача, поставленная перед Таном Ааронсоном, заключалась в том, чтобы доказать его несуществование. По его словам, «мне показалось важным перейти к завершению этой истории».[2] Прежде чем исследование Тан было обнародовано, она и Ааронсон посетили семинар по квантовым вычислениям в Калифорнийский университет где Тан выступил перед аудиторией, в которую входили Керенидис и Пракаш 18 и 19 июня 2018 года.[5] После четырех часов опроса пришли к общему мнению, что классический алгоритм Танга кажется правильным. Проблема рекомендации была одним из немногих проектов, предложенных Ааронсоном, который Танг неохотно выбрал: «Я колебался, потому что, когда я смотрел на нее, это казалось сложной проблемой, но это была самая легкая из задач, которые он мне дал». .[2]

В 2018 году Тан был назван Техасским университетом почетным выпускником Остина Дина в области информатики, поддерживая 4,0. средний балл.[6]

В том же году Тан стала кандидатом наук. в теоретической информатике в Вашингтонский университет под руководством Джеймса Ли.[2] Она продолжила свое исследование и обобщила вышеуказанный результат, деквантовав другие квантовое машинное обучение HHL проблемы на основе: Анализ главных компонентов[паб 6] и стохастик низкого ранга регресс.[паб 7]

Освещение в СМИ

В средствах массовой информации широко освещалась работа Танга по использованию классических вычислений вместо квантовых вычислений для решения проблемы рекомендаций, поскольку считалось, что это устраняет один из лучших примеров квантовое ускорение.[2][7][8][9] Некоторые исследователи выступили в защиту квантовых вычислений, например Роберт Янг (директор Университет Ланкастера Центр квантовых технологий), который сказал в Новости BBC статья: «Если бы мы не инвестировали в квантовые вычисления, квантовый алгоритм, вдохновивший [г-жу] Тан, не существовал бы».[8] Сама Тан отмечает противоречивый характер сравнения классических алгоритмов с квантовыми и трепет от доказательства своего алгоритма своему советнику: «Я начал верить, что существует быстрый классический алгоритм, но я не мог доказать это себе, потому что Скотт [Ааронсон] казалось, что его нет, и он был авторитетом ".[2]

В 18 лет Тан был назван одним из Forbes 30 до 30 лет на 2019 год благодаря ее работе по разработке методов вычислений, которые позволяют классическим компьютерам выполнять задачи, которые ранее считались возможными только с квантовым компьютером.[10]

Избранные публикации

  1. ^ Бейкер, Дэвид В .; Чжоу, Цзюнь; Цай, И-Тин; Пэтти, Кейтлен М .; Вен, Хонг; Tang, Ewin N .; Наир, Эшвин; Ху, Вэнь-Цзин; Тан, Липин (июль 2014 г.). «Разработка оптических датчиков для визуализации поляризованных макрофагов in vivo при реакциях на инородное тело». Acta Biomaterialia. 10 (7): 2945–2955. Дои:10.1016 / j.actbio.2014.04.001. ISSN  1742-7061. ЧВК  4041819. PMID  24726956.
  2. ^ Tang, Ewin N .; Наир, Эшвин; Бейкер, Дэвид В .; Ху, Wenjingin vi; Чжоу, июнь (май 2014 г.). «Визуализация инфекции in vivo с использованием оптического нанозонда, нацеленного на бактерии». Журнал биомедицинских нанотехнологий. 10 (5): 856–863. Дои:10.1166 / jbn.2014.1852. ISSN  1550-7033. ЧВК  5033601. PMID  24734538.
  3. ^ Цай, И-Тин; Чжоу, Цзюнь; Вен, Хонг; Tang, Ewin N .; Бейкер, Дэвид В .; Тан, Липин (февраль 2014 г.). «Оптическая визуализация отложения фибрина для выяснения участия тучных клеток в реакции на инородное тело». Биоматериалы. 35 (7): 2089–2096. Дои:10.1016 / j.biomaterials.2013.11.040. ISSN  0142-9612. ЧВК  3934503. PMID  24342726.
  4. ^ Чжоу, Цзюнь; Чжоу, Цзюнь; Цай, И-Тин; Вен, Хонг; Тан, Эвин Н; Наир, Эшвин; Дигант, Дэйв; Тан, Липин (май 2012 г.). «Обнаружение в реальном времени реакций нейтрофилов, связанных с имплантатом, с использованием NIR нанозонда, нацеленного на рецептор формилпептида». Международный журнал наномедицины. 7: 2057–68. Дои:10.2147 / ijn.s29961. ISSN  1178-2013. ЧВК  3356202. PMID  22619542.
  5. ^ а б Тан, Эвин (10.07.2018). «Квантовый классический алгоритм для рекомендательных систем». Материалы 51-го ежегодного симпозиума ACM SIGACT по теории вычислений - STOC 2019. С. 217–228. arXiv:1807.04271. Дои:10.1145/3313276.3316310. ISBN  9781450367059.
  6. ^ а б Тан, Эвин (31.10.2018). «Квантовые классические алгоритмы для анализа главных компонент и контролируемой кластеризации». arXiv:1811.00414 [cs.DS ].
  7. ^ а б Гильен, Андраш; Ллойд, Сет; Тан, Эвин (12.11.2018). «Квантовая стохастическая регрессия низкого ранга с логарифмической зависимостью от размерностей». arXiv:1811.04909 [cs.DS ].

Рекомендации

  1. ^ Кнапп, Алекс, изд. (2018). «30 до 30 лет 2019 года. Изобретая будущее от атома вверх - наука». Forbes.
  2. ^ а б c d е ж грамм "Подросток нашел классическую альтернативу алгоритму квантовых рекомендаций | Quanta Magazine". Журнал Quanta. Получено 2018-11-14.
  3. ^ «Дэвидсон Стипендиат 2014». www.davidsongifted.org. Получено 2018-11-14.
  4. ^ Керенидис, Иорданис; Пракаш, Анупам (29 марта 2016 г.). «Квантовые рекомендательные системы». arXiv:1603.08675 [Quant-ph ].
  5. ^ "Проблемы квантовых вычислений | Институт теории вычислений Саймонса". simons.berkeley.edu. Получено 2018-11-14.
  6. ^ "Выпускники естественных наук делают свой след в UT Austin". Получено 2018-11-14.
  7. ^ «Студент снял одно из лучших приложений квантовых вычислений - что теперь?». Singularity Hub. 2018-08-12. Получено 2018-11-14.
  8. ^ а б Руссон, Мэри-Энн (2018-09-04). «Гонка за самый мощный компьютер в мире». Новости BBC. Получено 2018-11-14.
  9. ^ «Может быть, квантовые вычисления нам и не нужны - Developer.com». www.developer.com. Получено 2018-11-14.
  10. ^ "Эвин Тан". Forbes. Получено 2018-11-14.

внешняя ссылка