Wydarzenie, które eksperci określają mianem „świętego Graala obliczeń kwantowych”, stało się faktem: naukowcy osiągnęli bezwarunkowe wykładnicze przyspieszenie na sprzęcie kwantowym, ostatecznie udowadniając, że komputery kwantowe mogą przewyższać klasyczne bez żadnych teoretycznych zastrzeżeń.
Przełomowe badania, opublikowane 5 czerwca 2025 roku w czasopiśmie Physical Review X, prowadził profesor inżynierii z USC i ekspert ds. korekcji błędów kwantowych, Daniel Lidar. Wraz ze współpracownikami z USC i Uniwersytetu Johnsa Hopkinsa zademonstrował wykładniczą przewagę, wykorzystując dwa 127-kubitowe procesory Eagle firmy IBM, obsługiwane zdalnie przez chmurę.
Szczególne znaczenie tego osiągnięcia polega na tym, że przyspieszenie jest „bezwarunkowe”, czyli nie opiera się na żadnych nieudowodnionych założeniach. „Poprzednie doniesienia o przyspieszeniu wymagały założenia, że nie istnieje lepszy algorytm klasyczny, z którym można by porównać algorytm kwantowy” – wyjaśnia Lidar. „Tym razem rozdział wydajności jest nieodwracalny, ponieważ wykładnicze przyspieszenie, które wykazaliśmy, jest po raz pierwszy bezwarunkowe.”
Zespół zmodyfikował problem Simona – matematyczne wyzwanie polegające na odnajdywaniu ukrytych wzorców w funkcjach – tak, by można go było zaimplementować na rzeczywistym sprzęcie kwantowym. Problem ten uznawany jest za poprzednika algorytmu faktoryzacji Shora, który zapoczątkował całą dziedzinę obliczeń kwantowych. Aby przezwyciężyć szumy i błędy typowe dla systemów kwantowych, naukowcy zastosowali zaawansowane techniki tłumienia błędów, w tym dynamiczne rozprzęganie oraz łagodzenie błędów pomiarowych.
Choć Lidar zastrzega, że „ten wynik nie ma praktycznych zastosowań poza wygrywaniem gier w zgadywanie”, konsekwencje dla sztucznej inteligencji są ogromne. Wraz z dalszym rozwojem komputerów kwantowych mogą one radykalnie przyspieszyć procesy uczenia maszynowego, zwłaszcza w przypadku problemów optymalizacyjnych i złożonych obliczeń wymagających obecnie ogromnych zasobów.
Algorytmy AI wspomagane kwantowo już teraz wykazują potencjał w wybranych zastosowaniach. Niedawne badania pokazały, że techniki kwantowe mogą przyspieszyć uczenie maszynowe oparte na jądrach, czyniąc je szybszym, dokładniejszym i bardziej energooszczędnym niż metody klasyczne. Wraz ze skalowaniem sprzętu kwantowego te przewagi mogą umożliwić powstanie nowej generacji możliwości AI, dotąd nieosiągalnych z powodu ograniczeń obliczeniowych.
Osiągnięcie to jednoznacznie potwierdza długo oczekiwaną zdolność komputerów kwantowych do zapewniania wykładniczych przyspieszeń, stanowiąc kluczowy krok w kierunku praktycznej przewagi kwantowej w rzeczywistych zastosowaniach.