Isang makasaysayang pag-aaral ng internasyonal na grupo ng mga mananaliksik na pinangunahan ng University of Vienna ang nagpakita na kahit ang maliliit na quantum computer ay kayang lubos na mapabuti ang performance ng machine learning gamit ang isang makabagong photonic quantum circuit.
Ipinakita ng mga mananaliksik na ang kasalukuyang quantum technology ay hindi na lamang pang-eksperimento—kaya na nitong lampasan ang mga tradisyonal na sistema sa ilang partikular na gawain. Sa isinagawang eksperimento, gumamit sila ng photonic quantum computer upang i-classify ang mga data point at napatunayan na ang maliliit na quantum processor ay maaaring magpakita ng mas mataas na performance kumpara sa mga karaniwang algorithm. "Natuklasan namin na para sa ilang partikular na gawain, mas kaunti ang pagkakamali ng aming algorithm kumpara sa katumbas nitong classical," paliwanag ni Philip Walther mula sa University of Vienna, pinuno ng proyekto.
Ang eksperimental na setup ay gumagamit ng quantum photonic circuit na binuo sa Politecnico di Milano (Italy), na nagpapatakbo ng machine learning algorithm na unang iminungkahi ng mga mananaliksik mula sa Quantinuum (United Kingdom). "Ipinapahiwatig nito na ang mga umiiral na quantum computer ay maaari nang magpakita ng mahusay na performance kahit hindi pa lumalagpas sa pinakabagong teknolohiya," dagdag ni Zhenghao Yin, pangunahing may-akda ng publikasyon sa Nature Photonics.
Isang napakagandang aspeto ng pananaliksik na ito ay ang photonic platforms ay maaaring gumamit ng mas kaunting enerhiya kumpara sa mga karaniwang computer. "Mahalaga ito sa hinaharap, lalo na't nagiging hindi na praktikal ang mga machine learning algorithm dahil sa sobrang taas ng energy demands," diin ni co-author Iris Agresti. Dahil liwanag lamang at hindi kuryente ang dumadaloy sa circuit, mas mababa ang cooling requirements ng photonic chips. Ang pagsasama nito sa mas mataas na performance at compute density ay nagdudulot ng malaking pagtitipid sa enerhiya. May ilang photonic AI accelerators na nangangakong gagamit ng hanggang 30 beses na mas kaunting enerhiya kaysa sa Graphics Processing Unit (GPU).
Ang resulta ay may epekto hindi lamang sa quantum computation, dahil natutukoy nito ang mga gawain na nakikinabang sa quantum effects, kundi pati na rin sa karaniwang computing. Sa katunayan, maaaring makabuo ng mga bagong algorithm na inspirasyon ng quantum architectures na makakamit ang mas mataas na performance at mas mababang konsumo ng enerhiya. Pinatutunayan ng breakthrough na ito na ang maliliit na photonic quantum computer ay kayang higitan ang mga tradisyonal na sistema sa ilang machine learning tasks, gamit ang quantum-enhanced algorithm sa photonic circuit upang mas tumpak na ma-classify ang data kaysa sa mga nakasanayang pamamaraan.
Habang patuloy na lumalaki ang pagiging komplikado at pangangailangan sa enerhiya ng mga AI system, binubuksan ng pananaliksik na ito ang landas tungo sa mas matipid at mas makapangyarihang AI technologies na nakikinabang sa quantum advantages ngayon, hindi lang sa teorya ng hinaharap. Ang integrasyon ng quantum photonics at machine learning ay isa sa mga pinaka-promising na hangganan ng teknolohiyang pangkompyuter, na may agarang praktikal na aplikasyon na lumilitaw na.