ウィーン大学を中心とする国際研究チームによる画期的な研究で、小規模な量子コンピュータであっても新しいフォトニック量子回路を用いることで機械学習の性能を大幅に向上できることが示されました。
研究者らは、現在の量子技術が単なる実験段階にとどまらず、特定のタスクにおいて既に古典的なシステムを上回ることを実証しました。実験ではフォトニック量子コンピュータを用いてデータポイントの分類を行い、小型の量子プロセッサが従来のアルゴリズムよりも高い性能を発揮することが明らかになりました。「特定のタスクにおいて、我々のアルゴリズムは古典的な手法よりも誤りが少ないことが分かりました」と、プロジェクトリーダーであるウィーン大学のフィリップ・ヴァルター氏は説明しています。
実験装置はイタリアのミラノ工科大学で構築された量子フォトニック回路を特徴としており、これは英国のQuantinuumの研究者らが提案した機械学習アルゴリズムを実行しています。「これは、現行の量子コンピュータが最先端技術を超えなくても十分な性能を発揮できることを意味しています」と、『Nature Photonics』に掲載された論文の筆頭著者であるイン・ジェンハオ氏は付け加えています。
特に注目すべき点は、フォトニックプラットフォームが標準的なコンピュータと比べて大幅に省エネルギーであることです。「機械学習アルゴリズムのエネルギー需要が高まり、従来の方法では実用が困難になりつつある中、これは将来的に極めて重要な要素となるでしょう」と、共著者のイリス・アグレスティ氏は強調します。回路内を流れるのは電流ではなく光のみであるため、フォトニックチップは冷却要件が低くなります。これにより高い性能と計算密度が両立し、大幅な省エネルギー化が実現します。一部のフォトニックAIアクセラレータは、GPU（グラフィックスプロセッシングユニット）と比べて最大30分の1のエネルギー消費を実現できるとされています。
この成果は、量子計算の分野において量子効果によって恩恵を受けるタスクを特定できるだけでなく、標準的な計算分野にも影響を与えます。実際、量子アーキテクチャに着想を得た新しいアルゴリズムが設計されれば、より高い性能と省エネルギー化が期待できます。このブレークスルーは、小規模なフォトニック量子コンピュータが特定の機械学習タスクで古典的なシステムを上回ることを示しており、研究者らはフォトニック回路上で量子強化アルゴリズムを用いることで、従来手法よりも高精度なデータ分類を実現しました。
AIシステムがますます複雑化し、電力需要が高まる中、本研究は量子の利点を活用した、より持続可能かつ高性能なAI技術への道を切り拓きます。量子フォトニクスと機械学習の統合は、コンピューティング技術の最も有望なフロンティアの一つであり、すでに実用的な応用が現れ始めています。