Eine bahnbrechende Studie hat gezeigt, dass Quantencomputing nicht nur ein Versprechen für die Zukunft ist, sondern bereits heute greifbare Vorteile für Anwendungen der künstlichen Intelligenz bietet.
Ein internationales Forschungsteam unter Leitung der Universität Wien konnte erfolgreich nachweisen, dass selbst Quantenprozessoren mit überschaubarer Größe herkömmliche Machine-Learning-Algorithmen bei bestimmten Aufgaben übertreffen. Ihre Arbeit, die diesen Monat in Nature Photonics veröffentlicht wurde, stellt eine der ersten praktischen Anwendungen von Quantencomputern zur Verbesserung alltäglicher KI-Systeme dar.
Die Forschenden nutzten einen photonischen Quantenschaltkreis, der am Politecnico di Milano in Italien entwickelt wurde, um einen ursprünglich von Wissenschaftlern bei Quantinuum im Vereinigten Königreich vorgeschlagenen Machine-Learning-Algorithmus zu implementieren. Der Versuch konzentrierte sich auf binäre Klassifizierungsaufgaben, bei denen das Quantensystem eine höhere Genauigkeit als klassische Ansätze zeigte.
"Wir haben festgestellt, dass unser Algorithmus bei bestimmten Aufgaben weniger Fehler macht als sein klassisches Pendant", erklärt Philip Walther von der Universität Wien, der das Projekt leitete. "Das bedeutet, dass bestehende Quantencomputer bereits gute Leistungen zeigen können, ohne zwangsläufig über den aktuellen Stand der Technik hinausgehen zu müssen", ergänzt Zhenghao Yin, Erstautor der Veröffentlichung.
Neben der verbesserten Genauigkeit bietet der photonische Ansatz erhebliche Vorteile bei der Energieeffizienz. "Das könnte in Zukunft entscheidend sein, da Machine-Learning-Algorithmen aufgrund des zu hohen Energiebedarfs zunehmend an ihre Grenzen stoßen", betont Mitautorin Iris Agresti. Da KI-Systeme immer größer und komplexer werden, ist ihr enormer Energieverbrauch zu einer dringenden Herausforderung geworden.
Die Forschung schlägt eine Brücke zwischen theoretischen Quanten-Vorteilen und praktischen Anwendungen und zeigt, dass aktuelle Quantentechnologie Machine-Learning-Systeme verbessern kann, ohne auf groß angelegte Quantencomputer warten zu müssen. Diese Entwicklung eröffnet neue Möglichkeiten für effizientere Algorithmen, die von Quantenarchitekturen inspiriert sind, und könnte die Art und Weise, wie wir KI-Berechnungen in einer zunehmend datengetriebenen Welt angehen, grundlegend verändern.