- 量子ニューラルネットワーク（QNN）やハイブリッド量子ニューラルネットワーク（HQNN）のトレーニングは高コストであり、1つのキュービットあたり最大10万ドルかかることがある。
- 公開されている量子処理ユニット（QPU）の価格構造は、トレーニングプロセス全体で評価する必要のある異なる量子回路の数によってトレーニングコストが決まる。
- QNNやHQNNのトレーニングコストは、キュービット数とともに線形に増加し、数百万または数十億のユニークな量子回路が必要になる。
- IBM Falcon r5.11の換算レートは1.06ドル=1.00スイスフランであり、IBM Cloud Estimatorサービスはコストを2桁下げる回路トレーニング技術を提供している。
- QNNは、量子回路の実行に最適なハードウェアプラットフォームとソフトウェア開発キット（SDK）を見つけるために使用されている。
- 公開されているQPUは、大規模なキュービット回路に対してシミュレータハードウェアよりも実行時間の改善を提供している。
量子コンピューティングの成功の鍵は、コストを削減し、精度を向上させ、従来のインフラに組み込むことであり、古典的と量子的マシンとのハイブリッド相互作用を利用して、アプリケーションケースに応じてシミュレータとQPUの最高の性能を無縁に取ることが重要である。
元記事: https://quantumcomputingreport.com/quantum-for-ai-costs-from-a-diagnostic-benchmark/