Revolucionarno istraživanje međunarodnog tima predvođenog Sveučilištem u Beču pokazalo je da čak i mala kvantna računala mogu značajno poboljšati performanse strojnog učenja koristeći inovativni fotonički kvantni sklop.
Istraživači su pokazali da današnja kvantna tehnologija nije samo eksperimentalna – ona već sada može nadmašiti klasične sustave u određenim zadacima. U eksperimentu je korišteno fotoničko kvantno računalo za klasifikaciju podataka, a pokazano je da mali kvantni procesori mogu biti bolji od konvencionalnih algoritama. "Otkrili smo da naš algoritam za određene zadatke čini manje pogrešaka od klasičnog ekvivalenta," objašnjava Philip Walther sa Sveučilišta u Beču, voditelj projekta.
Eksperimentalni sustav uključuje kvantni fotonički sklop izrađen na Politecnico di Milano (Italija), na kojem se izvodi algoritam strojnog učenja koji su prvi predložili istraživači iz Quantinuuma (Ujedinjeno Kraljevstvo). "To znači da postojeća kvantna računala mogu pokazati dobre performanse bez nužnog nadilaženja najnaprednije tehnologije," dodaje Zhenghao Yin, prvi autor objave u časopisu Nature Photonics.
Jedan od posebno obećavajućih aspekata ovog istraživanja je da fotoničke platforme mogu trošiti znatno manje energije u usporedbi sa standardnim računalima. "To bi moglo biti ključno u budućnosti, s obzirom na to da algoritmi strojnog učenja postaju neodrživi zbog prevelike potrošnje energije," naglašava koautorica Iris Agresti. Budući da kroz sklop prolazi samo svjetlost, a ne električna struja, fotonički čipovi zahtijevaju manje hlađenja. Kombinacija toga s boljim performansama i većom gustoćom izračuna dovodi do značajnih energetskih ušteda. Neki fotonički AI akceleratori obećavaju i do 30 puta manju potrošnju energije u odnosu na grafičke procesorske jedinice (GPU).
Ovaj rezultat ima utjecaj i na kvantno računalstvo, jer identificira zadatke koji imaju koristi od kvantnih efekata, ali i na standardno računalstvo. Naime, mogu se osmisliti novi algoritmi inspirirani kvantnim arhitekturama koji bi omogućili bolje performanse i manju potrošnju energije. Ovo otkriće pokazuje da mala fotonička kvantna računala mogu nadmašiti klasične sustave u specifičnim zadacima strojnog učenja, pri čemu su istraživači koristili kvantno unaprijeđeni algoritam na fotoničkom sklopu za točniju klasifikaciju podataka od konvencionalnih metoda.
Kako AI sustavi nastavljaju rasti u složenosti i potrošnji energije, ovo istraživanje otvara put prema održivijim i snažnijim AI tehnologijama koje već danas koriste prednosti kvantne tehnologije, a ne samo u teorijskoj budućnosti. Integracija kvantne fotonike i strojnog učenja predstavlja jedno od najperspektivnijih područja računalne tehnologije, s praktičnim primjenama koje se već pojavljuju.