Квантовые вычисления достигли переломного момента, когда они начинают приносить практические преимущества для приложений искусственного интеллекта, согласно недавним прорывам нескольких исследовательских групп.
Команда Венского университета и их коллеги показали, что даже маломасштабные квантовые компьютеры уже могут превосходить классические системы в отдельных задачах машинного обучения. Используя фотонный квантовый процессор, исследователи продемонстрировали, что алгоритмы с квантовым ускорением способны классифицировать данные точнее традиционных методов. Эксперимент, опубликованный в журнале Nature Photonics, был проведён на квантовой схеме, созданной в Политехническом университете Милана, для запуска алгоритма машинного обучения, впервые предложенного исследователями компании Quantinuum.
«Это может оказаться решающим в будущем, учитывая, что алгоритмы машинного обучения становятся неосуществимыми из-за слишком высоких энергетических затрат», — отметила соавтор Ирис Агрэсти. Фотонная квантовая платформа продемонстрировала преимущества по скорости, точности и энергоэффективности по сравнению с классическими вычислительными методами, особенно для приложений машинного обучения на основе ядерных методов.
Параллельно международная команда из Технологического университета Чалмерса, Университета Милана, Университета Гранады и Токийского университета разработала алгоритм, позволяющий обычным компьютерам точно имитировать отказоустойчивую квантовую схему. Это нововведение решает задачу кода Готтесмана-Китаева-Прескилла (GKP), который долгое время считался крайне сложным для симуляции, но имеет ключевое значение для создания стабильных и масштабируемых квантовых компьютеров.
Тем временем исследователи из Университета Южной Калифорнии и Университета Джонса Хопкинса достигли того, что многие называют «святым Граалем» квантовых вычислений: безусловного экспоненциального ускорения на процессорах IBM Eagle с 127 кубитами. Команда продемонстрировала это преимущество на классической задаче «угадай шаблон», доказав без каких-либо предположений, что квантовые машины могут опережать лучшие классические компьютеры. Для достижения этого результата были использованы методы коррекции ошибок и мощное квантовое оборудование IBM.
Эти достижения свидетельствуют о том, что квантовые вычисления переходят от теоретических обещаний к практическому применению. Пока IBM реализует амбициозную дорожную карту по созданию системы с более чем 4000 кубитами к 2025 году, а исследователи демонстрируют квантовые преимущества в областях от машинного обучения до производства полупроводников, технология, по всей видимости, готова обеспечить трансформационные возможности для множества отраслей.