Asiantuntijoiden mukaan kyseessä on kvanttilaskennan 'pyhä graali': tutkijat ovat saavuttaneet ehdottoman eksponentiaalisen nopeutuksen kvanttilaitteistolla ja osoittaneet kiistattomasti, että kvanttitietokoneet voivat ylittää klassiset tietokoneet ilman teoreettisia varauksia.
Mullistava tutkimus, joka julkaistiin Physical Review X -lehdessä 5. kesäkuuta 2025, oli Daniel Lidarin, USC:n professori ja kvanttivirheenkorjauksen asiantuntijan, johtama. Yhteistyössä USC:n ja Johns Hopkinsin tutkijoiden kanssa Lidarin tiimi demonstroi eksponentiaalisen edun käyttämällä kahta IBM:n 127-kubittista Eagle-kvanttiprosessoria, joita ohjattiin etänä pilvipalvelun kautta.
Saavutuksen erityinen merkitys piilee siinä, että nopeutus on 'ehdoton' – se ei perustu mihinkään todistamattomiin oletuksiin. "Aiemmat nopeutusväitteet edellyttivät oletusta, ettei ole olemassa parempaa klassista algoritmia, johon kvanttialgoritmia voisi verrata", Lidar selittää. "Suorituskykyeroa ei voida kumota, sillä osoittamamme eksponentiaalinen nopeutus on ensimmäistä kertaa ehdoton."
Tiimi muokkasi Simonin ongelmaa – matemaattista haastetta, jossa etsitään piilotettuja kuvioita funktioista – soveltuvaksi oikealle kvanttilaitteistolle. Tätä ongelmaa pidetään Shorin algoritmin edeltäjänä; kyseinen algoritmi käynnisti koko kvanttilaskennan alan. Kvanttisysteemejä usein vaivaavien häiriöiden ja virheiden voittamiseksi tutkijat hyödynsivät kehittyneitä virheiden tukahdutusmenetelmiä, kuten dynaamista dekytkentää ja mittausvirheiden lieventämistä.
Vaikka Lidar huomauttaa, että "tällä tuloksella ei ole käytännön sovelluksia muuta kuin arvailupelien voittamisessa", vaikutukset tekoälylle ovat merkittäviä. Kvanttitietokoneiden kehittyessä ne voivat nopeuttaa koneoppimista huomattavasti, erityisesti optimointiongelmissa ja monimutkaisissa laskennoissa, jotka nykyisin vaativat valtavia laskentaresursseja.
Kvanttitehostetut tekoälyalgoritmit ovat jo osoittaneet lupaavuutta tietyissä sovelluksissa. Viimeaikaiset tutkimukset ovat osoittaneet, että kvanttitekniikat voivat parantaa kernel-pohjaista koneoppimista tehden siitä nopeampaa, tarkempaa ja energiatehokkaampaa kuin klassiset menetelmät. Kun kvanttilaitteistot kasvavat, nämä edut voivat mahdollistaa uuden sukupolven tekoälyominaisuudet, jotka aiemmin olivat laskennallisesti mahdottomia.
Saavutus osoittaa kiistattomasti kvanttilaskennan pitkään luvatun eksponentiaalisen nopeutuksen ja merkitsee ratkaisevaa askelta kohti käytännön kvanttiylivoimaa todellisissa sovelluksissa.