Kansainvälisen tutkimusryhmän Wienin yliopiston johdolla tekemä uraauurtava tutkimus on osoittanut, että jopa pienikokoiset kvanttitietokoneet voivat merkittävästi tehostaa koneoppimista uudenlaisen fotonisen kvanttipiirin avulla.
Tutkijat ovat osoittaneet, että nykyinen kvanttiteknologia ei ole enää pelkkää kokeilua – se voi jo nyt päihittää perinteiset järjestelmät tietyissä tehtävissä. Kokeessa käytettiin fotonista kvanttitietokonetta datan luokitteluun, ja osoitettiin, että pienikokoiset kvanttiprosessorit voivat suoriutua paremmin kuin perinteiset algoritmit. "Huomasimme, että tietyissä tehtävissä algoritmimme tekee vähemmän virheitä kuin sen klassinen vastine", kertoo projektin johtaja Philip Walther Wienin yliopistosta.
Kokeellinen laitteisto koostui Politecnico di Milanossa (Italia) rakennetusta kvanttifotoniikkapiiristä, jolla ajettiin koneoppimisalgoritmia, jonka kehittivät Quantinuum-yhtiön (Iso-Britannia) tutkijat. "Tämä tarkoittaa, että nykyiset kvanttitietokoneet voivat saavuttaa hyviä tuloksia ilman, että niiden tarvitsee ylittää viimeisintä teknologista kehitystä", lisää Nature Photonics -julkaisun ensimmäinen kirjoittaja Zhenghao Yin.
Erityisen lupaavaa tässä tutkimuksessa on se, että fotoniset alustat voivat kuluttaa huomattavasti vähemmän energiaa kuin tavanomaiset tietokoneet. "Tämä voi olla ratkaisevaa tulevaisuudessa, sillä koneoppimisalgoritmien energiantarve kasvaa jo nyt liian suureksi", painottaa toinen kirjoittaja Iris Agresti. Koska piirissä kulkee vain valoa, ei sähkövirtaa, fotonisiruilla on vähäisemmät jäähdytysvaatimukset. Kun tämä yhdistetään parempaan suorituskykyyn ja laskentatiheyteen, saavutetaan merkittäviä energiasäästöjä. Jotkin fotoniset tekoälykiihdyttimet lupaavat jopa 30 kertaa pienempää energiankulutusta kuin grafiikkasuorittimet (GPU).
Tuloksella on vaikutusta sekä kvanttilaskentaan, koska se tunnistaa tehtäviä, jotka hyötyvät kvantti-ilmiöistä, että perinteiseen laskentaan. Uusia algoritmeja, jotka on inspiroitu kvanttiarkkitehtuureista, voidaan kehittää saavuttamaan parempaa suorituskykyä ja pienempää energiankulutusta. Tämä läpimurto osoittaa, että pienikokoiset fotoniset kvanttitietokoneet voivat päihittää perinteiset järjestelmät tietyissä koneoppimistehtävissä, kun tutkijat käyttivät kvanttitehostettua algoritmia fotonisella piirillä datan luokitteluun tarkemmin kuin perinteisillä menetelmillä.
Tekoälyjärjestelmien kasvaessa yhä monimutkaisemmiksi ja niiden energiantarpeen kasvaessa, tämä tutkimus avaa tien kohti kestävämpiä ja tehokkaampia tekoälyteknologioita, jotka hyödyntävät kvanttietuja jo tänään – ei vain teoreettisessa tulevaisuudessa. Kvanttifotoniikan ja koneoppimisen yhdistäminen on yksi lupaavimmista tietotekniikan tutkimussuunnista, ja sillä on jo nyt käytännön sovelluksia.