فهرست مندرجات[پنهان شدن][نمایش]
عصر جدیدی از محاسبات به تازگی شروع شده است، دورانی که کامپیوترهای قوی جدیدی را ارائه می دهد و در نهایت امکان پردازش بیشتر در منبع داده های ما یا نزدیک به آن را فراهم می کند.
روشهای جایگزین پردازش با نزدیکتر شدن به محدودیتهای فیزیکی ناشی از کوچکسازی بیشتر سیستمهای کامپیوتری و سرعتهای انتقال داده، رایجتر شدهاند.
مقابله با بسیاری از چالشهایی که جهان امروز با آن مواجه است، به دلیل حجم عظیم دادهها و پیچیدگی درگیر، دشوار است، با این حال محاسبات مرسوم طبیعتاً خطی هستند.
نمونههایی از موقعیتهایی که مرزهای محاسبات معمولی را جابجا میکنند عبارتند از رمزگذاری پیچیده، شبیهسازی سیستمهای پیچیده و جستجوهای مجموعه دادهها. محاسبات کوانتومی زمانی که برخی از این محدودیتها بر تجربیات دیجیتال مشتری و زمان واکنش تأثیر میگذارند، وارد تصویر میشود.
محاسبات کوانتومی مسائل را با انجام محاسبات متعدد به طور همزمان برطرف می کند، که به طور تصاعدی ظرفیت پردازش را افزایش می دهد، برخلاف استفاده از روش خطی.
الگوریتمهای کوانتومی بیش از خود رایانههای کوانتومی، اثر ضربکننده را تولید میکنند که بهشدت مرتبه پیچیدگی الگوریتمهای پرکاربرد متعدد را کاهش میدهد و آنها را بسیار کارآمد میسازد.
شرکت ها باید اطمینان حاصل کنند که بینش های مبتنی بر محاسبات علاوه بر این قابلیت پردازش پیشرفته، به سرعت و به راحتی در دسترس هستند.
بنابراین لازم است علاوه بر پردازش داده ها با سرعت بیشتری موضوع انتقال حجم عظیم داده ها از طریق شبکه های کامپیوتری مدیریت شود. با فعال کردن تجزیه و تحلیل دادهها نزدیکتر به منبع، محاسبات لبه در این شرایط باعث صرفهجویی در روز میشود.
این امر ضمن استفاده از ظرفیت شبکه کمتر، عرضه محاسبات و بینش را سرعت می بخشد.
در این مقاله، جنبههای محاسبات کوانتومی در مقابل لبه، تفاوت آنها با یکدیگر و موارد دیگر را به طور عمیق بررسی میکنیم.
بنابراین، محاسبات اج چیست؟
فناوری همیشه در نتیجه نیاز دائمی به رویارویی با پیچیدگی ها و مسائل جدید در حال توسعه است. رایانه های قدیمی می توانند حجم عظیمی از داده ها را مدیریت کنند و به مشکلاتی که این روزها شرکت ها با آن مواجه هستند پاسخ دهند.
محاسبات لبه برای مدیریت حجم عظیم داده ها و یافتن راه حل های مناسب در حال توسعه است.
یک رویکرد محاسباتی توزیع شده به نام "محاسبات لبه" برای محاسبات در حالی که ذخیره داده ها را در نزدیکی منابع داده حفظ می کند، استفاده می شود. به دلیل حجم عظیم داده ها و مسائل پیچیده درگیر، رایانه های سنتی نمی توانند این وضعیت را مدیریت کنند. محاسبات لبه در نتیجه ایجاد می شود.
هدف اصلی شرکت افزایش قدرت پردازش است، زیرا دسترسی سریعتر و زمان پاسخگویی را تضمین می کند. در عین حال، محاسبات لبه، هر دوی اینها را ارائه می دهد.
علاوه بر این، مشکلی در ارسال دادههای مهم از طریق شبکههای کامپیوتری وجود داشت، اما محاسبات لبه آن را با نگه داشتن تجزیه و تحلیل دادهها در نزدیکی منبع حل میکند.
محاسبات لبه، در ابتدایی ترین حالت، پردازش و ذخیره سازی داده ها را به دستگاه هایی که داده ها را جمع آوری می کنند، نزدیک تر می کند، نه اینکه به یک سایت مرکزی که ممکن است هزاران مایل دورتر باشد وابسته باشد.
علاوه بر این، محاسبات لبه مزیت زمان واکنش سریعتر و صرفه جویی در پهنای باند را دارد. اینترنت اشیا اصطلاح کلی برای محاسبات لبه است، با این حال، یک تصور غلط رایج وجود دارد که این دو قابل تعویض هستند.
علاوه بر این، توسعه فناوری ابری در دهه 1990 محاسبات لبه ای بود. علاوه بر این، تفاوت قابل توجهی با محاسبات کوانتومی دارد.
مزایای
- پردازش سریع داده ها، تجزیه و تحلیل، و زمان واکنش ارائه شده توسط فناوری های محاسبات لبه، خدمات بلادرنگ را امکان پذیر می کند. بازخورد سریع در رانندگی خودکار، تولید هوشمند، نظارت تصویری و سایر برنامههای آگاهی از موقعیت مکانی ضروری است، به همین دلیل است که به مصرفکنندگان خدمات پاسخ سریع را ارائه میدهد. به عنوان مثال، برنامه های کاربردی بینایی کامپیوتری بلادرنگ با محاسبات لبه امکان پذیر می شوند.
- محاسبات روی دستگاه، مقدار داده ارسال شده از طریق شبکه را کاهش می دهد، هزینه انتقال و تقاضای ظرفیت شبکه را کاهش می دهد، انرژی مورد استفاده تجهیزات محلی را کاهش می دهد و کارایی محاسبات را افزایش می دهد.
- برنامههایی که از زمان پاسخگویی سریعتر بهره میبرند، مانند واقعیت افزوده و واقعیت مجازی، از محاسبات در لبه سود میبرند.
- استفاده از فناوریهای محاسبات لبه میتواند ثبات، استحکام و دسترسی به خدمات را افزایش دهد. در کاربردهای حیاتی که قطع شبکه ممکن است پیامدهای فاجعه باری داشته باشد، قابلیت اطمینان قوی سیستم های متصل روی دستگاه بسیار مهم است (به عنوان مثال، نظارت پزشکی یا سیستم های حمل و نقل).
- رایانش لبه میتواند هزینههای شبکه را کاهش دهد، محدودیتهای پهنای باند را دور بزند، انتقال دادهها را سرعت بخشد، قطع سرویس را متوقف کند و کنترل بیشتری بر جریان دادههای حیاتی به شما ارائه دهد. به دلیل کاهش زمان بارگذاری و نزدیکی بیشتر سرویسهای آنلاین به کاربران، ذخیرهسازی پویا و استاتیک امکانپذیر است.
- سرویس هایی که از محاسبات لبه استفاده می کنند قابل اعتماد تر، سریع تر و ارزان تر هستند. مشتریان به لطف محاسبات لبه از تجربه سریعتر و قابل اعتمادتری بهره مند می شوند. Edge به برنامههایی با تأخیر کم و بسیار در دسترس با ارائهدهندگان خدمات بلادرنگ و نظارت بر شرکت اشاره دارد.
معایب
- یک مشکل مهم در محاسبات لبه هزینه آن است. بدون شریک لبه محلی، ساخت زیرساخت گران و دشوار است. خدمه باید چندین گجت را در موقعیت های مختلف در شرایط عالی نگهداری کنند، که منجر به هزینه های بالای تعمیر و نگهداری مکرر می شود.
- کل سطح حمله یک شبکه از طریق محاسبات لبه افزایش می یابد. دستگاههای لبه میتوانند نقطه ورود حملات سایبری باشند و به مهاجم این شانس را میدهند که نرمافزارهای مخرب را معرفی کرده و شبکه را آلوده کنند.
- متأسفانه ایجاد امنیت قوی در یک محیط توزیع شده دشوار است. اکثر پردازش داده ها دور از خط دید مستقیم تیم امنیتی و سرور مرکزی انجام می شود. سطح حمله با خرید ماشین آلات جدید توسط شرکت افزایش می یابد.
محاسبات کوانتومی چیست؟
بسیاری از پیچیدگی ها و مقادیر بزرگتر داده به دلیل طراحی خطی آنها نمی تواند توسط رایانه های سنتی به طور مؤثر اداره شود. محاسبات کوانتومی در حال توسعه است تا بتواند پیچیدگی و حجم عظیمی از داده ها را مدیریت کند.
محاسبات کوانتومی، برخلاف رایانههای سنتی، میتواند بسیاری از محاسبات را به طور همزمان انجام دهد و در عین حال پیچیدگی را در نظر بگیرد. در نتیجه نتایج موثرتر هستند.
استفاده از ویژگی های حالت کوانتومی یکپارچه مانند برهم نهی، تداخل و در هم تنیدگی برای محاسبات، محاسبات کوانتومی نوع دیگری از محاسبات است.
استفاده از کامپیوترهای کوانتومی در واقع برای انجام یک محاسبات ضروری است. با این حال، حتی اگر برای جایگزینی کامپیوترهای سنتی طراحی شده بود، ممکن است قادر به این کار نباشد.
با این حال، کامپیوترهای کوانتومی در فاکتورگیری اعداد صحیح بسیار سریعتر از کامپیوترهای معمولی هستند. از نظر عملی، ممکن است به خوبی کامپیوترهای سنتی عمل نکند، اما ممکن است بتواند برخی از محاسبات را با سرعت بیشتری انجام دهد.
علاوه بر این، از آنجایی که کامپیوترهای کوانتومی تز چرچ-تورینگ را تایید می کنند، هر محاسباتی را به همان روشی که کامپیوترهای معمولی انجام می دهند و بالعکس انجام می دهند.
با این حال، یک کامپیوتر کوانتومی نسبت به یک کامپیوتر معمولی از نظر زمانی کمتر پیچیده است. در واقع، یک کامپیوتر کوانتومی ویژگی هایی را ارائه می دهد که با کامپیوترهای معمولی یکسان است.
محاسبات کوانتومی در دهه 1980 توسعه یافت و توسعه هیچ فناوری موجود نیست. علاوه بر این، تفاوت زیادی با محاسبات لبه دارد.
مزایای
- حتی یک ابر رایانه نیز رسیدگی به مشکلاتی را که به طور فزایندهای پیچیده میشوند، دشوارتر میبیند. یک کامپیوتر کلاسیک معمولاً به دلیل سطح بالایی از پیچیدگی و عوامل متعدد وابسته به یکدیگر از کار می افتد. با این حال، کامپیوترهای کوانتومی به دلیل ایده های برهم نهی و درهم تنیدگی، می توانند همه این عوامل و پیچیدگی را برای رسیدن به یک راه حل در نظر بگیرند.
- برای شبیهسازی دادههای محاسباتی، رایانههای کوانتومی مؤثرترین هستند. الگوریتم های متعددی توسعه یافته اند که می توانند طیف وسیعی از پدیده ها از جمله پیش بینی آب و هوا، مدل سازی شیمیایی و غیره را شبیه سازی کنند.
- گوگل از محاسبات کوانتومی برای بهبود نتایج جستجو استفاده می کند. این ماشینها اکنون به جستجوهای گوگل اجازه میدهند سریعتر تکمیل شوند. محاسبات کوانتومی می تواند مرتبط ترین نتایج را ارائه دهد.
- این کامپیوترها می توانند محاسبات را به طور قابل توجهی سریعتر از کامپیوترهای معمولی پردازش کنند. ابررایانه ها نمی توانند با ظرفیت محاسباتی کامپیوترهای کوانتومی برابری کنند. آنها می توانند داده ها را هزار برابر سریعتر از ابررایانه های معمولی پردازش کنند. کامپیوترهای کوانتومی می توانند محاسباتی را در عرض چند ثانیه انجام دهند که انجام آن برای یک کامپیوتر معمولی 1000 سال طول می کشد.
- توسعه موشک های رادار از محاسبات کوانتومی نیز استفاده می کند. استفاده از این فناوری باعث افزایش دقت سلاح های راداری می شود.
معایب
- با توجه به اینکه این رایانه ها اطلاعات را به طور کامل تفسیر می کنند، دمای -460 درجه فارنهایت مورد نیاز است. نگه داشتن کیهان در پایین ترین دمای خود، که اکنون است، فوق العاده چالش برانگیز است.
- این نیاز به ایجاد یک الگوریتم متفاوت برای هر نوع محاسبات دارد. الگوریتم های تخصصی برای کامپیوترهای کوانتومی لازم است تا در محیط خود کار کنند. آنها نمی توانند مانند رایانه های معمولی کار کنند.
- آنها به دلیل قیمت بالا در دسترس عموم نیستند. از آنجایی که این رایانه ها هنوز در مرحله توسعه هستند، میزان اشتباه آنها نیز نسبتاً بالا است.
تفاوت های عمده بین لبه و محاسبات کوانتومی
محاسبات لبه عملیاتی را نزدیک یا در منبع داده انجام می دهد. این با استاندارد فعلی متفاوت است، زیرا بیشتر محاسبات ما اکنون در فضای ابری انجام می شود و کار پردازش توسط مراکز داده پراکنده انجام می شود.
تنظیمات رایانش ابری فعلی ما به دلیل احتمال تأخیر، که گاهی اوقات به عنوان تأخیر از آن یاد میشود، با مانعی مواجه است. ممکن است در آینده نزدیک پردازش های بیشتری به صورت محلی انجام شود. به عنوان مثال، سیستم بینایی کامپیوتری یک خودرو میتواند عکسها را فورا تجزیه و تحلیل و شناسایی کند، نه اینکه آنها را برای اعتبارسنجی به ابر ارسال کند.
محاسبات لبه تکمیل کننده و نه جایگزین قابلیت های ابر است و به تجهیزات و پردازنده های تخصصی نیاز دارد.
از سوی دیگر، یک کامپیوتر معمولی که فقط میتواند دادهها را در 1 یا 0 پردازش کند، نمیتواند مشکلاتی را که از نظر محاسباتی بسیار پیچیده هستند، مدیریت کند.
اما کامپیوترهای کوانتومی می توانند. این 1 و 0 بایت می توانند در دو حالت (کیوبیت) به طور همزمان در دنیای کوانتومی وجود داشته باشند و محاسبات موازی را امکان پذیر می کنند. بنابراین، اگر دو کیوبیت بسازید، ممکن است به طور همزمان شامل اعداد 00، 01، 10 و 11 باشند.
کامپیوترهای کوانتومی از هر چیزی که تا به امروز ساخته شده قدرتمندتر هستند، زیرا به الگوریتمهای منحصربهفردی نیاز دارند که قادر به انجام کارهای جدید باشند. برای چندین دهه، محققان کامپیوترهای کوانتومی را مورد مطالعه قرار داده اند. بخش دشوار آن نشان دادن این است که یک کامپیوتر کوانتومی واقعاً محاسبات کوانتومی را انجام می دهد.
دلیل این امر این است که در یک سیستم کوانتومی، عمل درک اطلاعات در حین انتقال، ماهیت آن داده را تغییر می دهد.
با توجه به ساختار خطی کامپیوترهای معمولی، استراتژی پردازش متفاوتی ایجاد شده است. به دلیل حجم زیاد داده ها و پیچیدگی مشکلات، رایانه های سنتی برای رسیدگی به آنها مشکل دارند که باعث می شود مصرف کنندگان پاسخ های آهسته ای دریافت کنند.
به منظور افزایش زمان واکنش و حفظ پهنای باند، محاسبات لبه و محاسبات کوانتومی استفاده می شود. با این حال، تفاوت آنها با یکدیگر قابل توجه است.
- در مقابل محاسبات کوانتومی، که در سال 1980 شروع شد، محاسبه لبه به دهه 1990 باز می گردد.
- محاسبات در لبه با استفاده از یک رویکرد محاسباتی توزیع شده انجام می شود. ویژگی های یکپارچه حالت های کوانتومی، مانند برهم نهی، تداخل، و درهم تنیدگی، در محاسبات کوانتومی برای انجام محاسبات استفاده می شود.
- بر خلاف محاسبات کوانتومی، که به خودی خود نوعی محاسبات نیست، محاسبات لبه توسعه محاسبات ابری است.
- محاسبات لبه، بینش مبتنی بر داده، پاسخهای سریع و تجربه کاربری مثبت را در اولویت قرار میدهد. از سوی دیگر محاسبات کوانتومی بر تجزیه و تحلیل داده ها و ارائه بهترین راه حل ها متمرکز است.
- در حالی که محاسبات کوانتومی در حوزه هایی مانند شیمی محاسباتی و تحقیقات استفاده می شود، محاسبات لبه در اینترنت اشیا و اینترنت اشیاء صنعتی استفاده می شود.
نتیجه
یک استراتژی پردازش جایگزین به دلیل ساختار خطی نسبتاً آشکار رایانههای معمولی ابداع شده است.
پیچیدگی و حجم دادهها هر دو در حال افزایش هستند، و مدیریت آن را برای رایانههای معمولی چالشبرانگیزتر میکنند، که باعث کاهش زمان پاسخ و تجربه کاربری بد میشود.
سپس از محاسبات لبه و محاسبات کوانتومی برای زمان واکنش سریعتر و صرفه جویی در پهنای باند استفاده می شود. اما آنها از جنبه های مهم بسیار با یکدیگر تفاوت دارند.
روشی از محاسبات توزیع شده به نام محاسبات لبه، پردازش و ذخیره سازی داده ها را نزدیک به منابع داده نگه می دارد. تصور می شود که برای بهبود زمان واکنش و صرفه جویی در پهنای باند توسعه یافته است.
اصطلاحات "IoT" و "Edge" معمولاً به جای یکدیگر استفاده می شوند. از سوی دیگر، اینترنت اشیا در محاسبات لبه یک مفهوم انتزاعی است.
نوعی محاسبات به نام محاسبات کوانتومی از خواص برهم نهی، تداخل و درهم تنیدگی حالات کوانتومی استفاده می کند.
در حالی که محاسبات کوانتومی در حال توسعه برای محاسبه سریعتر است، ممکن است نتواند همه مشکلات را حل کند. با این حال، فاکتورسازی اعداد صحیح را سریعتر از رایانه های سنتی انجام می دهد. با این حال، توانایی آن بسیار بیشتر از کامپیوترهای معمولی بود.
پاسخ دهید