Un studiu revoluționar realizat de o echipă internațională de cercetători condusă de Universitatea din Viena a demonstrat că chiar și computerele cuantice de mici dimensiuni pot îmbunătăți semnificativ performanța învățării automate folosind un circuit cuantic fotonic inovator.
Cercetătorii au arătat că tehnologia cuantică actuală nu este doar experimentală—ea poate deja să depășească sistemele clasice în anumite sarcini. Experimentul a folosit un computer cuantic fotonic pentru a clasifica puncte de date și a demonstrat că procesoarele cuantice de dimensiuni reduse pot avea performanțe superioare algoritmilor convenționali. „Am descoperit că, pentru anumite sarcini, algoritmul nostru comite mai puține erori decât omologul său clasic”, explică Philip Walther de la Universitatea din Viena, coordonatorul proiectului.
Configurația experimentală include un circuit cuantic fotonic construit la Politecnico di Milano (Italia), care rulează un algoritm de învățare automată propus inițial de cercetători de la Quantinuum (Regatul Unit). „Aceasta implică faptul că sistemele cuantice existente pot oferi performanțe bune fără a depăși neapărat stadiul actual al tehnologiei”, adaugă Zhenghao Yin, primul autor al publicației din Nature Photonics.
Un aspect deosebit de promițător al acestei cercetări este că platformele fotonice pot consuma semnificativ mai puțină energie comparativ cu computerele standard. „Acest lucru ar putea deveni crucial pe viitor, având în vedere că algoritmii de învățare automată devin din ce în ce mai greu de susținut din cauza cererii energetice prea mari”, subliniază coautoarea Iris Agresti. Deoarece prin circuit circulă doar lumină, nu și curent electric, cipurile fotonice necesită mai puțină răcire. Combinarea acestui aspect cu performanțe și densitate de calcul mai mari duce la economii substanțiale de energie. Unele acceleratoare AI fotonice promit să consume de până la 30 de ori mai puțină energie decât o unitate de procesare grafică (GPU).
Rezultatul are impact atât asupra calculului cuantic, identificând sarcini care beneficiază de efecte cuantice, cât și asupra calculului clasic. De fapt, pot fi concepuți noi algoritmi inspirați de arhitecturi cuantice, care să atingă performanțe mai bune și să reducă consumul de energie. Această descoperire demonstrează că computerele cuantice fotonice de mici dimensiuni pot depăși sistemele clasice în anumite sarcini de învățare automată, cercetătorii folosind un algoritm îmbunătățit cuantic pe un circuit fotonic pentru a clasifica datele mai precis decât metodele convenționale.
Pe măsură ce sistemele AI devin tot mai complexe și mai mari consumatoare de energie, această cercetare deschide calea către tehnologii AI mai sustenabile și mai performante, care valorifică avantajele cuantice chiar de astăzi, nu doar într-un viitor teoretic. Integrarea fotonicii cuantice cu învățarea automată reprezintă una dintre cele mai promițătoare frontiere ale tehnologiei de calcul, cu aplicații practice imediate deja în curs de apariție.