В том, что эксперты называют «Святым Граалем квантовых вычислений», исследователи впервые добились безусловного экспоненциального ускорения на квантовом оборудовании, окончательно доказав, что квантовые компьютеры могут превосходить классические без каких-либо теоретических оговорок.
Революционное исследование, опубликованное в Physical Review X 5 июня 2025 года, возглавил профессор инженерии Университета Южной Калифорнии и эксперт по квантовой коррекции ошибок Даниэль Лидар. Совместно с коллегами из USC и Университета Джонса Хопкинса команда Лидара продемонстрировала экспоненциальное преимущество, используя два 127-кубитных квантовых процессора Eagle компании IBM, управляемых удалённо через облако.
Особую значимость этого достижения придаёт тот факт, что ускорение является «безусловным», то есть не опирается на непроверенные предположения. «Ранее для утверждений об ускорении требовалось предполагать, что не существует более эффективного классического алгоритма для сравнения с квантовым», — объясняет Лидар. «Теперь разделение в производительности невозможно обратить, поскольку впервые показано безусловное экспоненциальное ускорение».
Команда модифицировала задачу Саймона — математическую задачу по поиску скрытых закономерностей в функциях — для реализации на реальном квантовом оборудовании. Эта задача считается предшественником алгоритма факторизации Шора, который положил начало всей области квантовых вычислений. Чтобы преодолеть шум и ошибки, обычно мешающие квантовым системам, исследователи применили сложные методы подавления ошибок, включая динамическую развязку и коррекцию ошибок измерения.
Хотя Лидар отмечает, что «этот результат не имеет практических применений, кроме выигрыша в угадывательных играх», последствия для искусственного интеллекта могут быть значительными. По мере развития квантовых компьютеров они смогут радикально ускорить процессы машинного обучения, особенно для задач оптимизации и сложных вычислений, которые сейчас требуют огромных вычислительных ресурсов.
Квантовые алгоритмы для ИИ уже показали свою перспективность в ряде приложений. Недавние исследования продемонстрировали, что квантовые методы могут повысить эффективность машинного обучения на основе ядер, делая его быстрее, точнее и энергоэффективнее по сравнению с классическими подходами. С масштабированием квантового оборудования эти преимущества могут открыть новое поколение возможностей ИИ, ранее недоступных из-за вычислительных ограничений.
Это достижение наглядно демонстрирует долгожданную способность квантовых вычислений обеспечивать экспоненциальное ускорение, что является важнейшим шагом на пути к практическому квантовому превосходству в реальных задачах.