أجرى فريق بحثي دولي بقيادة جامعة فيينا دراسة رائدة أظهرت أن حتى الحواسيب الكمومية صغيرة النطاق قادرة على تعزيز أداء التعلم الآلي بشكل ملحوظ باستخدام دائرة فوتونية كمومية مبتكرة.
أثبت الباحثون أن تكنولوجيا الكم الحالية لم تعد مجرد تجارب نظرية، بل بإمكانها بالفعل التفوق على الأنظمة التقليدية في مهام محددة. استخدم الفريق في تجربته حاسوباً كمومياً فوتونياً لتصنيف نقاط البيانات، وأظهر أن المعالجات الكمومية الصغيرة يمكن أن تتفوق على الخوارزميات التقليدية. ويشرح فيليب فالتر من جامعة فيينا، قائد المشروع: "وجدنا أنه في بعض المهام، يرتكب خوارزمنا أخطاء أقل من نظيره التقليدي".
تضمن الإعداد التجريبي دائرة فوتونية كمومية تم بناؤها في جامعة بوليتكنيكو دي ميلانو (إيطاليا)، والتي شغلت خوارزمية تعلم آلي اقترحها باحثون في شركة Quantinuum (المملكة المتحدة). ويضيف تشينغهاو ين، المؤلف الأول للبحث المنشور في مجلة Nature Photonics: "هذا يعني أن الحواسيب الكمومية الحالية يمكن أن تحقق أداءً جيداً دون الحاجة إلى تجاوز أحدث ما توصلت إليه التكنولوجيا".
ومن الجوانب الواعدة في هذا البحث أن المنصات الفوتونية يمكن أن تستهلك طاقة أقل بكثير مقارنة بالحواسيب التقليدية. وتؤكد المؤلفة المشاركة إيريس أغريستي: "قد يكون هذا أمراً حاسماً في المستقبل، خاصة مع تزايد صعوبة تشغيل خوارزميات التعلم الآلي بسبب متطلباتها العالية من الطاقة". ونظراً لأن الدوائر تعتمد فقط على الضوء دون تيار كهربائي، فإن شرائح الفوتونيات تحتاج إلى تبريد أقل. وعند الجمع بين الأداء الأعلى وكثافة المعالجة، يؤدي ذلك إلى توفير كبير في الطاقة. وتعد بعض مسرعات الذكاء الاصطناعي الفوتونية باستهلاك طاقة أقل حتى 30 مرة مقارنة بوحدة معالجة الرسوميات (GPU).
وتؤثر هذه النتائج على مجال الحوسبة الكمومية من خلال تحديد المهام التي تستفيد من التأثيرات الكمومية، كما تفتح آفاقاً جديدة للحوسبة التقليدية. إذ يمكن تصميم خوارزميات جديدة مستوحاة من البنى الكمومية لتحقيق أداء أفضل وتقليل استهلاك الطاقة. ويبرهن هذا الإنجاز أن الحواسيب الكمومية الفوتونية صغيرة النطاق يمكنها التفوق على الأنظمة التقليدية في بعض مهام التعلم الآلي، حيث استخدم الباحثون خوارزمية محسنة 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 فقط في المستقبل النظري. ويمثل دمج الفوتونيات الكمومية مع التعلم الآلي إحدى أكثر الجبهات الواعدة في تكنولوجيا الحوسبة، مع تطبيقات عملية فورية بدأت بالفعل في الظهور.