أجرى فريق بحثي دولي بقيادة جامعة فيينا دراسة رائدة أثبتت أن حتى الحواسيب الكمومية الصغيرة قادرة على تعزيز أداء التعلم الآلي بشكل ملحوظ باستخدام دائرة فوتونية كمومية مبتكرة.
أظهر الباحثون أن تكنولوجيا الكم الحالية لم تعد مجرد تجارب نظرية، بل يمكنها بالفعل التفوق على الأنظمة التقليدية في مهام محددة. استخدم الفريق حاسوباً كمومياً فوتونياً لتصنيف نقاط البيانات، وأثبتوا أن المعالجات الكمومية الصغيرة يمكن أن تتفوق على الخوارزميات التقليدية. وعلق فيليب فالتر، قائد المشروع من جامعة فيينا: "وجدنا أنه في بعض المهام، يرتكب خوارزمنا أخطاء أقل من نظيره التقليدي".
تضمنت التجربة دائرة فوتونية كمومية تم بناؤها في جامعة البوليتكنيك في ميلانو (إيطاليا)، والتي قامت بتشغيل خوارزمية تعلم آلي تم اقتراحها لأول مرة من قبل باحثين في شركة Quantinuum (المملكة المتحدة). وأضاف تشينغهاو ين، المؤلف الأول للبحث المنشور في Nature Photonics: "هذا يعني أن الحواسيب الكمومية الحالية يمكن أن تقدم أداءً جيداً دون الحاجة لتجاوز أحدث ما توصلت إليه التكنولوجيا".
ومن الجوانب الواعدة في هذا البحث أن المنصات الفوتونية يمكن أن تستهلك طاقة أقل بكثير مقارنة بالحواسيب التقليدية. وأكدت المؤلفة المشاركة إيريس أغريستي: "قد يكون هذا أمراً بالغ الأهمية مستقبلاً، خاصة مع تزايد صعوبة تشغيل خوارزميات التعلم الآلي بسبب متطلبات الطاقة المرتفعة جداً". ونظراً لأن الدائرة تعتمد فقط على الضوء وليس التيار الكهربائي، فإن شرائح الفوتونات تحتاج إلى تبريد أقل. وعند الجمع بين الأداء العالي والكثافة الحسابية، يؤدي ذلك إلى توفير كبير في الطاقة. وتعد بعض مسرّعات الذكاء الاصطناعي الفوتونية باستهلاك طاقة أقل حتى 30 مرة مقارنة بوحدة معالجة الرسومات (GPU).
ويؤثر هذا الإنجاز على كل من الحوسبة الكمومية، حيث يحدد المهام التي تستفيد من التأثيرات الكمومية، وكذلك على الحوسبة التقليدية، إذ يمكن تصميم خوارزميات جديدة مستوحاة من البنى الكمومية تحقق أداءً أفضل وتقلل من استهلاك الطاقة. ويبرهن هذا الاختراق أن الحواسيب الكمومية الفوتونية الصغيرة يمكن أن تتفوق على الأنظمة التقليدية في مهام تعلم آلي محددة، حيث استخدم الباحثون خوارزمية محسّنة كمومياً على دائرة فوتونية لتصنيف البيانات بدقة أعلى من الطرق التقليدية.
ومع استمرار تطور أنظمة الذكاء الاصطناعي وزيادة تعقيدها ومتطلباتها من الطاقة، يفتح هذا البحث الطريق أمام تقنيات ذكاء اصطناعي أكثر استدامة وقوة تستفيد من مزايا الكم اليوم وليس في المستقبل النظري فقط. ويعد دمج الفوتونات الكمومية مع التعلم الآلي من أكثر المجالات الواعدة في تكنولوجيا الحوسبة، مع ظهور تطبيقات عملية فورية بالفعل.