Mezinárodní tým vědců vedený Vídeňskou univerzitou dosáhl významného průlomu v oblasti kvantového počítání a umělé inteligence. Ukázali, že i malá kvantová zařízení mohou přinést praktické výhody pro aplikace strojového učení.
Studie, která vyšla 8. června 2025 v časopise Nature Photonics, využila nový fotonický kvantový obvod k implementaci kvantově vylepšeného algoritmu strojového učení založeného na kernelových metodách. Vědci prokázali, že jejich kvantový přístup překonává nejmodernější klasické metody, jako jsou Gaussovské a neuronové tangentní kernely, při úlohách binární klasifikace.
„Zjistili jsme, že v určitých úlohách náš algoritmus dělá méně chyb než jeho klasický protějšek,“ vysvětluje profesor Philip Walther z Vídeňské univerzity, který projekt vedl. „To znamená, že i současné kvantové počítače mohou dosahovat dobrých výsledků, aniž by musely překonávat nejmodernější technologie,“ doplňuje Zhenghao Yin, první autor publikace.
Experimentální zařízení zahrnovalo fotonický kvantový obvod vytvořený na Politecnico di Milano (Itálie), na kterém běžel algoritmus strojového učení navržený vědci z Quantinuum (Velká Británie). Systém využívá kvantovou interferenci a koherenci jednotlivých fotonů k dosažení vyšší přesnosti při klasifikaci dat.
Kromě vyšší přesnosti nabízí tento fotonický přístup také výrazné energetické úspory. S tím, jak jsou aplikace strojového učení stále složitější a energeticky náročnější, by kvantové fotonické procesory mohly představovat udržitelnou alternativu. „To může být v budoucnu klíčové, protože algoritmy strojového učení se kvůli příliš vysoké spotřebě energie stávají neproveditelnými,“ zdůrazňuje spoluautorka Iris Agresti.
Výzkum má dopad i mimo oblast kvantového počítání, protože identifikuje konkrétní úlohy, které těží z kvantových efektů, a může inspirovat nové klasické algoritmy s lepším výkonem a nižší spotřebou energie. Jde tak o významný krok směrem k praktické kvantové výhodě v AI aplikacích a přibližuje teoretické kvantové počítání reálnému nasazení.