Satu kajian terobosan oleh pasukan penyelidik antarabangsa yang diketuai oleh Universiti Vienna telah membuktikan bahawa walaupun komputer kuantum berskala kecil mampu meningkatkan prestasi pembelajaran mesin dengan ketara menggunakan litar kuantum fotonik yang inovatif.
Para penyelidik telah menunjukkan bahawa teknologi kuantum masa kini bukan sekadar eksperimen—ia sudah mampu mengatasi sistem klasik dalam tugas-tugas tertentu. Eksperimen ini menggunakan komputer kuantum fotonik untuk mengklasifikasikan titik data dan membuktikan bahawa pemproses kuantum bersaiz kecil boleh berprestasi lebih baik daripada algoritma konvensional. "Kami dapati untuk tugas-tugas tertentu, algoritma kami melakukan lebih sedikit kesilapan berbanding kaedah klasik," jelas Philip Walther dari Universiti Vienna, ketua projek tersebut.
Tetapan eksperimen ini menampilkan litar fotonik kuantum yang dibina di Politecnico di Milano (Itali), yang menjalankan algoritma pembelajaran mesin yang pertama kali dicadangkan oleh penyelidik di Quantinuum (United Kingdom). "Ini bermakna komputer kuantum sedia ada sudah mampu menunjukkan prestasi yang baik tanpa perlu melangkaui teknologi terkini," tambah Zhenghao Yin, penulis utama penerbitan dalam Nature Photonics.
Satu aspek yang sangat menjanjikan dalam penyelidikan ini ialah platform fotonik boleh menggunakan tenaga jauh lebih rendah berbanding komputer biasa. "Ini boleh menjadi sangat penting pada masa hadapan, memandangkan algoritma pembelajaran mesin semakin tidak praktikal kerana permintaan tenaga yang terlalu tinggi," tegas penulis bersama Iris Agresti. Oleh kerana hanya cahaya, dan bukan arus elektrik, yang mengalir dalam litar tersebut, cip fotonik memerlukan penyejukan yang lebih rendah. Gabungan prestasi tinggi dan kepadatan pengiraan ini membawa kepada penjimatan tenaga yang ketara. Beberapa pemecut AI fotonik dijangka menggunakan sehingga 30 kali kurang tenaga berbanding Unit Pemprosesan Grafik (GPU).
Hasil ini memberi impak kepada pengkomputeran kuantum, kerana ia mengenal pasti tugas-tugas yang mendapat manfaat daripada kesan kuantum, serta kepada pengkomputeran konvensional. Malah, algoritma baharu yang diinspirasikan oleh seni bina kuantum boleh direka bentuk untuk mencapai prestasi lebih baik dan mengurangkan penggunaan tenaga. Penemuan ini membuktikan bahawa komputer kuantum fotonik berskala kecil boleh mengatasi sistem klasik dalam tugas pembelajaran mesin tertentu, dengan penyelidik menggunakan algoritma dipertingkatkan kuantum pada litar fotonik untuk mengklasifikasikan data dengan lebih tepat berbanding kaedah konvensional.
Ketika sistem AI terus berkembang dari segi kerumitan dan keperluan tenaga, penyelidikan ini membuka laluan ke arah teknologi AI yang lebih lestari dan berkuasa dengan memanfaatkan kelebihan kuantum hari ini, bukan hanya dalam teori masa depan. Integrasi fotonik kuantum dan pembelajaran mesin merupakan salah satu sempadan paling menjanjikan dalam teknologi pengkomputeran, dengan aplikasi praktikal yang sudah mula muncul.