---
title: Norma חושפת אסטרטגיית QC4AI להפחתת עומסי חישוב ברשתות בינה מלאכותית
url: https://www.elseif.net/he/norma-qc4ai
published: 2026-10-14T12:00:45+00:00
language: he
section: מודלים
source: https://www.aitimes.kr/news/articleView.html?idxno=42254
organizations: Norma, Multiverse Computing, IonQ, UCL, Fraunhofer IIS, Google DeepMind
publisher: elseif
---

# Norma חושפת אסטרטגיית QC4AI להפחתת עומסי חישוב ברשתות בינה מלאכותית

חברת Norma מקדמת אסטרטגיה בשם QC4AI, השואפת להשתמש בטכנולוגיה קוונטית כדי להפחית את עומס החישוב של רשתות עצביות רחבות של בינה מלאכותית. התוכנית של החברה מתבססת על פיתוח טכנולוגיות להקלה על משקל רשתות עצביות, תוך שימוש בסביבת פיתוח לתוכניות קוונטיות המבוססת על בינה מלאכותית ובטכנולוגיות להפחתת עומס החישוב של אלגוריתמי אופטימיזציה קוונטית. Norma שואפת להרחיב את היישומים הללו לתחומים שונים, כולל בינה מלאכותית פיזית.

החברה פיתחה אלגוריתם להפחתת חישובים בתהליכי אופטימיזציה קוונטית וסביבת פיתוח לכתיבה והרצה של תוכניות קוונטיות באמצעות בינה מלאכותית. המטרה היא להוריד את חסמי הפיתוח ואת עומס החישוב של המחשוב הקוונטי, ובכך להגביר את היעילות של מודלי בינה מלאכותית. פיתוח זה מגיע על רקע עלייה בביקוש למשאבי חישוב ואנרגיה עקב הגדלת המודלים. לפי דוח של הסוכנות הבינלאומית לאנרגיה משנת 2026, צריכת החשמל של מרכזי נתונים בעולם צפויה לעלות מ-485 טרה-וואט שעה בשנת 2025 ל-950 טרה-וואט שעה בשנת 2030, כאשר צריכת החשמל של מרכזי נתונים ממוקדי בינה מלאכותית צפויה לגדול פי שלושה באותה תקופה.

במסגרת מחקריה, Norma הציגה את SAFE ma-QAOA, גישה להגברת יעילות האופטימיזציה על ידי הפחתת חישובים חוזרים בתהליך הלמידה של אלגוריתמי אופטימיזציה קוונטית קירובית. צוות המחקר השתמש במודל פונקציונלי המופעל במחשב קלאסי כדי ללמוד משתנים מראש ולהסיר משתנים בעלי השפעה נמוכה, כך שרק המשתנים הנותרים יעברו כוונון עדין. בניסוי שבוצע באמצעות מנוע הסימולציה Pado Pauli של החברה על בעיית ספין-זכוכית של 20 קיוביטים, מדד המעריך את עומס הכוונון העדין של יחידת עיבוד קוונטית פחת ב-94.5% בהשוואה לשיטות אחרות. עם זאת, החברה ציינה כי נתון זה הוא מדד מוערך המבוסס על מספר משתנים וסיבובים, ולא מדידה ישירה של זמן הרצה או עלויות בחומרה קוונטית ממשית.

במקביל, Norma מקדמת את תחום AI for QC באמצעות Q Platform MCP. מערכת זו מחברת בינה מלאכותית גנרטיבית לסביבת פיתוח קוונטית, ומאפשרת למשתמשים לבקש כתיבת אלגוריתמים קוונטיים בשפה טבעית. המערכת משתמשת בפרוטוקול Model Context Protocol כדי להפעיל פונקציות בפלטפורמה, מה שמפחית את הצורך בכתיבת קוד ידנית, אם כי עדיין נדרשת התערבות אנושית לכוונון עדין ותיקון שגיאות.

גופים אחרים בעולם חוקרים תחומים דומים. חברת Multiverse Computing מספקה את CompactifAI לדחיסת מודלי שפה גדולים באמצעות טכניקות רשת טנזור, עם שיעור דחיסה של עד 95% ואיבוד דיוק של 2% עד 3%, אך ללא שימוש במחשב קוונטי ממשי. חברת IonQ חוקרת שילוב של מעגלים קוונטיים במודלי שפה, בעוד שחוקרים מ-UCL שילבו מידע סטטיסטי ממחשבים קוונטיים במודלים קלאסיים לשיפור חיזוי מערכות פיזיקליות. כמו כן, Fraunhofer IIS מקדמת את פרויקט QC-Train במטרה להפחית צריכת משאבים ופליטות פחמן עד שנת 2029. Google DeepMind ו-Google Quantum AI פיתחו את AlphaQubit לזיהוי שגיאות במחשבים קוונטיים באמצעות בינה מלאכותית.