वियना विश्वविद्यालय के नेतृत्व में अंतरराष्ट्रीय शोधकर्ताओं की एक टीम ने क्वांटम कंप्यूटिंग और आर्टिफिशियल इंटेलिजेंस के क्षेत्र में महत्वपूर्ण सफलता हासिल की है। उन्होंने प्रदर्शित किया है कि छोटे पैमाने के क्वांटम कंप्यूटर भी मशीन लर्निंग अनुप्रयोगों के लिए व्यावहारिक लाभ प्रदान कर सकते हैं।
यह अध्ययन, जो 8 जून 2025 को नेचर फोटोनिक्स में प्रकाशित हुआ, एक नवीन फोटोनिक क्वांटम सर्किट का उपयोग करता है, जिसमें क्वांटम-संवर्धित कर्नल-आधारित मशीन लर्निंग एल्गोरिद्म लागू किया गया। शोधकर्ताओं ने दिखाया कि उनका क्वांटम दृष्टिकोण बाइनरी क्लासिफिकेशन कार्यों में गॉसियन और न्यूरल टैन्जेंट कर्नल जैसे अत्याधुनिक पारंपरिक तरीकों से बेहतर प्रदर्शन करता है।
"हमने पाया कि कुछ विशिष्ट कार्यों के लिए हमारा एल्गोरिद्म पारंपरिक एल्गोरिद्म की तुलना में कम त्रुटियां करता है," वियना विश्वविद्यालय के प्रोफेसर फिलिप वाल्थर ने बताया, जिन्होंने इस परियोजना का नेतृत्व किया। प्रकाशन के प्रथम लेखक झेंगहाओ यिन ने जोड़ा, "इसका अर्थ है कि मौजूदा क्वांटम कंप्यूटर भी बिना अत्याधुनिक तकनीक से आगे बढ़े अच्छे प्रदर्शन दिखा सकते हैं।"
प्रयोगात्मक सेटअप में इटली के पोलिटेक्निको दी मिलानो में निर्मित एक क्वांटम फोटोनिक सर्किट का उपयोग किया गया, जिसमें मशीन लर्निंग एल्गोरिद्म को पहली बार यूनाइटेड किंगडम के क्वांटिन्यूम के शोधकर्ताओं द्वारा प्रस्तावित किया गया था। यह प्रणाली डेटा वर्गीकरण कार्यों में बेहतर सटीकता प्राप्त करने के लिए क्वांटम इंटरफेरेंस और सिंगल-फोटोन कोहेरेंस का उपयोग करती है।
सुधारित सटीकता के अलावा, यह फोटोनिक दृष्टिकोण ऊर्जा दक्षता के मामले में भी महत्वपूर्ण लाभ प्रदान करता है। जैसे-जैसे मशीन लर्निंग अनुप्रयोग अधिक जटिल और ऊर्जा-गहन होते जा रहे हैं, क्वांटम फोटोनिक प्रोसेसर एक टिकाऊ विकल्प बन सकते हैं। सह-लेखिका आइरिस एग्रेस्टी ने जोर दिया, "यह भविष्य में महत्वपूर्ण साबित हो सकता है, क्योंकि मशीन लर्निंग एल्गोरिद्म अत्यधिक ऊर्जा मांग के कारण अव्यावहारिक होते जा रहे हैं।"
यह शोध क्वांटम कंप्यूटिंग से आगे भी प्रभाव डालता है, क्योंकि यह उन विशिष्ट कार्यों की पहचान करता है जो क्वांटम प्रभावों से लाभान्वित होते हैं और बेहतर प्रदर्शन व कम ऊर्जा खपत वाले नए पारंपरिक एल्गोरिद्म को प्रेरित कर सकते हैं। यह एआई अनुप्रयोगों में व्यावहारिक क्वांटम लाभ की दिशा में एक महत्वपूर्ण कदम है, जो सैद्धांतिक क्वांटम कंप्यूटिंग और वास्तविक दुनिया के कार्यान्वयन के बीच की खाई को पाटता है।