Eine bahnbrechende Studie eines internationalen Forschungsteams unter Leitung der Universität Wien hat gezeigt, dass selbst kleinmaßstäbliche Quantencomputer die Leistung von Machine Learning durch einen neuartigen photonischen Quantenschaltkreis erheblich steigern können.
Die Forschenden haben nachgewiesen, dass heutige Quantentechnologie nicht nur experimentell ist – sie kann klassische Systeme bei bestimmten Aufgaben bereits übertreffen. Im Experiment wurde ein photonischer Quantencomputer zur Klassifizierung von Datenpunkten eingesetzt und demonstriert, dass kleine Quantenprozessoren besser abschneiden können als herkömmliche Algorithmen. „Wir haben festgestellt, dass unser Algorithmus bei bestimmten Aufgaben weniger Fehler macht als sein klassisches Pendant“, erklärt Philip Walther von der Universität Wien, Leiter des Projekts.
Der experimentelle Aufbau umfasst einen photonischen Quantenschaltkreis, der am Politecnico di Milano (Italien) entwickelt wurde und einen Machine-Learning-Algorithmus ausführt, der ursprünglich von Forschenden bei Quantinuum (Vereinigtes Königreich) vorgeschlagen wurde. „Das bedeutet, dass bestehende Quantencomputer bereits gute Leistungen zeigen können, ohne unbedingt über den aktuellen Stand der Technik hinauszugehen“, ergänzt Zhenghao Yin, Erstautor der Veröffentlichung in Nature Photonics.
Ein besonders vielversprechender Aspekt dieser Forschung ist, dass photonische Plattformen im Vergleich zu Standardcomputern deutlich weniger Energie verbrauchen können. „Das könnte in Zukunft entscheidend sein, da Machine-Learning-Algorithmen aufgrund ihres zu hohen Energiebedarfs zunehmend an ihre Grenzen stoßen“, betont Co-Autorin Iris Agresti. Da im Schaltkreis nur Licht und kein Strom fließt, benötigen photonische Chips weniger Kühlung. In Kombination mit höherer Leistung und Rechendichte führt dies zu erheblichen Energieeinsparungen. Einige photonische KI-Beschleuniger versprechen, bis zu 30-mal weniger Energie zu verbrauchen als eine Grafikkarte (GPU).
Das Ergebnis hat Auswirkungen sowohl auf das Quantencomputing, da es Aufgaben identifiziert, die von Quanteneffekten profitieren, als auch auf die klassische Informatik. Tatsächlich könnten neue, von Quantenarchitekturen inspirierte Algorithmen entwickelt werden, die bessere Leistungen erzielen und den Energieverbrauch senken. Dieser Durchbruch zeigt, dass kleinmaßstäbliche photonische Quantencomputer klassische Systeme bei bestimmten Machine-Learning-Aufgaben übertreffen können, wobei die Forschenden einen quantenverstärkten Algorithmus auf einem photonischen Schaltkreis nutzten, um Daten genauer zu klassifizieren als konventionelle Methoden.
Da KI-Systeme immer komplexer werden und der Energiebedarf steigt, eröffnet diese Forschung einen Weg zu nachhaltigeren und leistungsfähigeren KI-Technologien, die schon heute von Quanten-Vorteilen profitieren – und nicht nur in einer theoretischen Zukunft. Die Integration von Quantenphotonik und Machine Learning zählt zu den vielversprechendsten Zukunftsfeldern der Computertechnologie, mit bereits jetzt absehbaren praktischen Anwendungen.