Как квантовые компьютеры делают алгоритмы машинного обучения точнее и быстрее

Даже небольшие квантовые устройства могут дать фору традиционным алгоритмам машинного обучения. Ученые впервые показали это на практике, объединив свет, квантовую физику и искусственный интеллект.

Классификация точек данных может быть выполнена с помощью фотонного квантового компьютера, что повышает точность традиционных методов

Источник: University of Vienna

Работа, опубликованная в Nature Photonics, выполнена международной командой исследователей во главе с Венским университетом. Ученые впервые экспериментально продемонстрировали, что даже маломощные квантовые процессоры могут превосходить классические алгоритмы машинного обучения, если речь идет о конкретных типах задач.

В фокусе исследования оказался фотонный квантовый процессор, разработанный в Политехническом университете Милана. Он использует фотоны, частицы света, чтобы запускать алгоритмы классификации, то есть распознавания и разделения данных по категориям. Это квантовый аналог алгоритма, впервые предложенного специалистами из компании Quantinuum в Великобритании.

Исследование показывает, что даже несовершенные квантовые системы на базе фотонов уже сейчас способны решать задачи лучше классических алгоритмов. Это превращает фотонные квантовые компьютеры из лабораторной диковинки в практический инструмент, который может изменить правила игры в сфере ИИ

Источник: Unsplash

Ключевая задача заключалась в том, чтобы не просто решить проблему, а понять, насколько именно квантовая природа устройства влияет на результат. И она, как выяснилось, влияет: квантовый подход дал меньшую погрешность при анализе данных, чем обычный. Это говорит о реальном преимуществе даже тех квантовых компьютеров, которые уже существуют, без необходимости ожидать масштабируемые или «идеальные» квантовые машины.

Дополнительное преимущество — энергоэффективность. По словам соавтора исследования Айрис Агрести, фотонные платформы могут тратить значительно меньше энергии, чем классические. А в эпоху растущих вычислительных потребностей это может стать критическим фактором.

На фоне растущего энергопотребления нейросетей фотонные квантовые платформы предлагают неожиданный поворот: высокую эффективность при низком энергозатрате. Это делает их не просто технологически интересными, а потенциально необходимыми для устойчивого развития цифровой инфраструктуры

Источник: Unsplash

Авторы уверены, что результат повлияет не только на развитие квантового ИИ, но и на обычные алгоритмы. Уже сейчас можно создавать гибридные решения — алгоритмы, вдохновленные квантовой логикой, которые будут работать на обычных компьютерах, но с лучшей точностью и меньшим энергопотреблением.

Подобные эксперименты с фотонными квантовыми схемами — лишь часть глобального тренда на слияние квантовых вычислений и машинного обучения. Ранее Наука Mail рассказала, как российским физикам удалось применить квантовый компьютер для распознавания изображений, используя ионный процессор и алгоритмы классификации.