Een baanbrekende studie heeft aangetoond dat quantumcomputing niet slechts een belofte voor de toekomst is, maar nu al tastbare voordelen biedt voor toepassingen in kunstmatige intelligentie.
Een internationaal onderzoeksteam onder leiding van de Universiteit van Wenen heeft met succes laten zien dat zelfs bescheiden quantumprocessors conventionele machine learning-algoritmen kunnen overtreffen bij specifieke taken. Hun werk, deze maand gepubliceerd in Nature Photonics, vormt een van de eerste praktische toepassingen van quantumcomputing om alledaagse AI-systemen te verbeteren.
De onderzoekers maakten gebruik van een fotonisch quantumcircuit, gebouwd aan het Politecnico di Milano in Italië, om een machine learning-algoritme te implementeren dat oorspronkelijk werd voorgesteld door onderzoekers van Quantinuum in het Verenigd Koninkrijk. Het experiment richtte zich op binaire classificatietaken, waarbij het quantumsysteem een hogere nauwkeurigheid liet zien dan klassieke benaderingen.
"We ontdekten dat ons algoritme bij specifieke taken minder fouten maakt dan zijn klassieke tegenhanger," legt Philip Walther van de Universiteit van Wenen uit, die het project leidde. "Dit impliceert dat bestaande quantumcomputers al goede prestaties kunnen leveren zonder noodzakelijkerwijs de huidige stand van de techniek te overstijgen," voegt Zhenghao Yin toe, eerste auteur van de publicatie.
Naast de verbeterde nauwkeurigheid biedt de fotonische aanpak aanzienlijke voordelen op het gebied van energie-efficiëntie. "Dit zou in de toekomst cruciaal kunnen zijn, aangezien machine learning-algoritmen onuitvoerbaar dreigen te worden door het te hoge energieverbruik," benadrukt mede-auteur Iris Agresti. Nu AI-systemen steeds groter en complexer worden, vormt hun enorme energieverbruik een groeiend probleem.
Het onderzoek overbrugt de kloof tussen theoretische quantumvoordelen en praktische toepassingen, en toont aan dat huidige quantumtechnologie machine learning-systemen kan versterken zonder te hoeven wachten op grootschalige quantumcomputers. Deze ontwikkeling opent nieuwe mogelijkheden voor efficiëntere algoritmen geïnspireerd door quantumarchitecturen, en kan de manier waarop we AI-berekeningen benaderen in een steeds meer door data gedreven wereld ingrijpend veranderen.