V tom, co odborníci označují za „svatý grál kvantového počítání“, dosáhli vědci bezpodmínečného exponenciálního zrychlení na kvantovém hardwaru a definitivně tak prokázali, že kvantové počítače mohou překonat ty klasické bez teoretických výhrad.
Průlomový výzkum, publikovaný 5. června 2025 v časopise Physical Review X, vedl Daniel Lidar, profesor inženýrství na USC a odborník na kvantovou korekci chyb. Lidarův tým ve spolupráci s kolegy z USC a Johns Hopkins University demonstroval exponenciální výhodu pomocí dvou 127qubitových kvantových procesorů Eagle od IBM, které byly ovládány na dálku přes cloud.
To, co činí tento úspěch mimořádně významným, je skutečnost, že zrychlení je „bezpodmínečné“, tedy nezávislé na žádných neprokázaných předpokladech. „Předchozí tvrzení o zrychlení vyžadovala předpoklad, že neexistuje lepší klasický algoritmus, se kterým by bylo možné kvantový algoritmus porovnat,“ vysvětluje Lidar. „Toto oddělení výkonu nelze zvrátit, protože exponenciální zrychlení, které jsme předvedli, je poprvé bezpodmínečné.“
Tým upravil Simonův problém – matematickou úlohu spočívající v hledání skrytých vzorů ve funkcích – pro implementaci na skutečném kvantovém hardwaru. Tento problém je považován za předchůdce Shorova faktoračního algoritmu, který odstartoval celý obor kvantového počítání. Aby vědci překonali šum a chyby, které obvykle kvantové systémy provázejí, využili sofistikované techniky potlačování chyb, včetně dynamického oddělování a zmírňování chyb měření.
Ačkoliv Lidar upozorňuje, že „tento výsledek nemá praktické využití mimo hádací hry“, dopady na umělou inteligenci jsou zásadní. Jak budou kvantové počítače dále pokročovat, mohly by dramaticky urychlit procesy strojového učení, zejména u optimalizačních problémů a složitých výpočtů, které dnes vyžadují obrovské výpočetní zdroje.
Kvantem vylepšené algoritmy AI již prokázaly potenciál v konkrétních aplikacích. Nedávné výzkumy ukázaly, že kvantové techniky mohou zrychlit kernelové strojové učení, učinit jej přesnějším a energeticky efektivnějším než klasické metody. S rozšiřováním kvantového hardwaru by tyto výhody mohly umožnit novou generaci schopností AI, které byly dosud kvůli výpočetním omezením nepraktické.
Tento úspěch jasně demonstruje dlouho slibovanou schopnost kvantového počítání přinášet exponenciální zrychlení a představuje klíčový krok směrem k praktické kvantové výhodě v reálných aplikacích.