U onome što stručnjaci nazivaju 'svetim gralom kvantnog računalstva', istraživači su postigli bezuvjetno eksponencijalno ubrzanje na kvantnom hardveru, definitivno dokazujući da kvantna računala mogu nadmašiti klasična bez teorijskih ograničenja.
Ovo revolucionarno istraživanje, objavljeno u časopisu Physical Review X 5. lipnja 2025., vodio je Daniel Lidar, profesor inženjerstva na USC-u i stručnjak za kvantnu korekciju pogrešaka. U suradnji s kolegama sa USC-a i Sveučilišta Johns Hopkins, Lidarov tim demonstrirao je eksponencijalnu prednost koristeći dva IBM-ova kvantna procesora Eagle sa 127 kubita, kojima su pristupali udaljeno putem oblaka.
Ono što ovo postignuće čini posebno značajnim jest činjenica da je ubrzanje 'bezuvjetno', što znači da se ne oslanja na nikakve neprovjerene pretpostavke. 'Prijašnje tvrdnje o ubrzanju zahtijevale su pretpostavku da ne postoji bolji klasični algoritam za usporedbu s kvantnim algoritmom,' objašnjava Lidar. 'Ova razlika u performansama ne može biti poništena jer je eksponencijalno ubrzanje koje smo demonstrirali, po prvi put, bezuvjetno.'
Tim je prilagodio Simonov problem—matematički izazov koji uključuje pronalaženje skrivenih obrazaca u funkcijama—za implementaciju na stvarnom kvantnom hardveru. Ovaj problem smatra se pretečom Shorovog algoritma za faktorizaciju, koji je pokrenuo cijelo područje kvantnog računalstva. Kako bi prevladali šum i pogreške koji obično muče kvantne sustave, istraživači su primijenili sofisticirane tehnike suzbijanja pogrešaka, uključujući dinamičko razdvajanje i ublažavanje pogrešaka pri mjerenju.
Iako Lidar upozorava da 'ovaj rezultat nema praktičnih primjena osim pobjede u igrama pogađanja', implikacije za umjetnu inteligenciju su duboke. Kako kvantna računala nastavljaju napredovati, mogla bi dramatično ubrzati procese strojnog učenja, osobito za optimizacijske probleme i složene izračune koji trenutno zahtijevaju golema računalna sredstva.
Kvantno unaprijeđeni AI algoritmi već su pokazali obećavajuće rezultate u specifičnim primjenama. Nedavna istraživanja pokazala su da kvantne tehnike mogu unaprijediti strojno učenje temeljeno na kernelima, čineći ga bržim, preciznijim i energetski učinkovitijim od klasičnih metoda. Kako kvantni hardver bude rastao, ove bi prednosti mogle omogućiti novu generaciju AI mogućnosti koje su dosad bile nepraktične zbog računalnih ograničenja.
Ovo postignuće čvrsto dokazuje dugoočekivanu sposobnost kvantnog računalstva za pružanje eksponencijalnih ubrzanja, označavajući ključni korak prema praktičnoj kvantnoj prednosti u stvarnim primjenama.