حقق فريق من الباحثين الدوليين بقيادة جامعة فيينا تقدماً كبيراً في مجال الحوسبة الكمومية والذكاء الاصطناعي، حيث أثبتوا أن حتى الحواسيب الكمومية صغيرة النطاق يمكن أن توفر فوائد عملية لتطبيقات التعلم الآلي.
وقد استخدمت الدراسة، التي نُشرت في مجلة Nature Photonics في 8 يونيو 2025، دائرة كمومية ضوئية مبتكرة لتطبيق خوارزمية تعلم آلي معززة بالكم تعتمد على النواة. وأظهر الباحثون أن نهجهم الكمومي يتفوق على أحدث الطرق التقليدية مثل أنوية Gaussian وNeural Tangent في مهام التصنيف الثنائي.
وأوضح البروفيسور فيليب فالتر من جامعة فيينا، قائد المشروع: "وجدنا أن خوارزميتنا ترتكب أخطاء أقل من نظيرتها التقليدية في بعض المهام المحددة". وأضاف تشينغهاو ين، المؤلف الأول للدراسة: "يشير ذلك إلى أن الحواسيب الكمومية المتوفرة حالياً يمكن أن تقدم أداءً جيداً دون الحاجة لتجاوز أحدث التقنيات التقليدية".
وتضمن الإعداد التجريبي دائرة كمومية ضوئية تم بناؤها في جامعة البوليتكنيك في ميلانو (إيطاليا)، حيث تم تشغيل خوارزمية تعلم آلي اقترحها لأول مرة باحثون من شركة Quantinuum (المملكة المتحدة). ويستخدم النظام التداخل الكمومي وتماسك الفوتونات الفردية لتحقيق دقة فائقة في مهام تصنيف البيانات.
وبالإضافة إلى الدقة المحسنة، يوفر هذا النهج الضوئي مزايا كبيرة في كفاءة استهلاك الطاقة. ومع تزايد تعقيد تطبيقات التعلم الآلي وارتفاع استهلاكها للطاقة، يمكن أن توفر المعالجات الكمومية الضوئية بديلاً مستداماً. وأكدت المؤلفة المشاركة إيريس أغريستي: "قد يكون هذا أمراً حاسماً في المستقبل، نظراً لأن خوارزميات التعلم الآلي أصبحت غير عملية بسبب الطلب المرتفع جداً على الطاقة".
وتتجاوز آثار هذا البحث مجال الحوسبة الكمومية، حيث يحدد مهام محددة تستفيد من التأثيرات الكمومية، وقد يلهم تطوير خوارزميات تقليدية جديدة بأداء أفضل واستهلاك طاقة أقل. ويمثل ذلك خطوة مهمة نحو تحقيق تفوق الكم العملي في تطبيقات الذكاء الاصطناعي، وجسر الفجوة بين الحوسبة الكمومية النظرية والتطبيقات الواقعية.