Průlomová studie mezinárodního výzkumného týmu vedeného Vídeňskou univerzitou ukázala, že i malá kvantová zařízení mohou výrazně zvýšit výkon strojového učení pomocí nového fotonického kvantového obvodu.
Vědci prokázali, že dnešní kvantová technologie není pouze experimentální – v konkrétních úlohách už nyní překonává klasické systémy. V experimentu byl použit fotonický kvantový počítač ke klasifikaci datových bodů a bylo prokázáno, že i malé kvantové procesory mohou být úspěšnější než běžné algoritmy. „Zjistili jsme, že pro určité úlohy náš algoritmus dělá méně chyb než jeho klasická varianta,“ vysvětluje Philip Walther z Vídeňské univerzity, vedoucí projektu.
Experimentální sestava zahrnuje kvantový fotonický obvod postavený na Politecnico di Milano (Itálie), který spouští algoritmus strojového učení navržený výzkumníky z Quantinuum (Velká Británie). „To znamená, že i současné kvantové počítače mohou dosahovat skvělých výsledků, aniž by musely překonávat současný technologický stav,“ dodává Zhenghao Yin, první autor publikace v Nature Photonics.
Jedním z nejzajímavějších aspektů tohoto výzkumu je, že fotonické platformy mohou spotřebovávat výrazně méně energie než běžné počítače. „To může být v budoucnu klíčové, protože algoritmy strojového učení se stávají kvůli vysoké energetické náročnosti neudržitelnými,“ zdůrazňuje spoluautorka Iris Agresti. Protože v obvodu proudí pouze světlo, nikoliv elektrický proud, mají fotonické čipy nižší nároky na chlazení. V kombinaci s vyšším výkonem a hustotou výpočtů to vede k výrazným úsporám energie. Některé fotonické AI akcelerátory slibují až 30krát nižší spotřebu energie než grafické procesory (GPU).
Výsledek má dopad jak na kvantové výpočty, protože identifikuje úlohy, které těží z kvantových efektů, tak na běžné počítání. Nové algoritmy inspirované kvantovými architekturami by tak mohly přinést vyšší výkon a nižší spotřebu energie. Tento průlom dokazuje, že malá fotonická kvantová zařízení mohou v konkrétních úlohách strojového učení překonat klasické systémy, přičemž vědci využili kvantově vylepšený algoritmus na fotonickém obvodu k přesnější klasifikaci dat než běžné metody.
Jak systémy umělé inteligence dále rostou na složitosti a energetických nárocích, tento výzkum otevírá cestu k udržitelnějším a výkonnějším AI technologiím, které využívají kvantové výhody už dnes, nikoli pouze v teoretické budoucnosti. Integrace kvantové fotoniky a strojového učení představuje jednu z nejperspektivnějších oblastí výpočetní techniky, přičemž praktické aplikace se začínají objevovat již nyní.