Революционное исследование показало, что квантовые вычисления — это не только обещание будущего, но и уже сегодня приносят ощутимую пользу для приложений искусственного интеллекта.
Международная команда исследователей под руководством Венского университета успешно доказала, что даже небольшие квантовые процессоры могут превосходить традиционные алгоритмы машинного обучения в ряде задач. Их работа, опубликованная в июньском выпуске Nature Photonics, стала одной из первых практических реализаций квантовых вычислений для повышения эффективности повседневных ИИ-систем.
Учёные использовали фотонную квантовую схему, созданную в Политехническом университете Милана, чтобы реализовать алгоритм машинного обучения, изначально предложенный исследователями из британской компании Quantinuum. Эксперимент был сосредоточен на задачах бинарной классификации, где квантовая система показала более высокую точность по сравнению с классическими подходами.
«Мы обнаружили, что для определённых задач наш алгоритм допускает меньше ошибок, чем классический аналог», — объясняет Филип Вальтер из Венского университета, руководивший проектом. «Это означает, что существующие квантовые компьютеры уже могут демонстрировать хорошие результаты, не выходя за пределы современных технологий», — добавляет Чжэнхао Инь, первый автор публикации.
Помимо повышения точности, фотонный подход обладает значительными преимуществами в энергоэффективности. «Это может стать критически важным в будущем, учитывая, что алгоритмы машинного обучения становятся всё менее осуществимыми из-за чрезмерного энергопотребления», — подчёркивает соавтор Ирис Агрэсти. По мере роста масштабов и сложности ИИ-систем их огромное энергопотребление становится всё более острой проблемой.
Исследование сокращает разрыв между теоретическими преимуществами квантовых технологий и их практическим применением, показывая, что уже существующие квантовые устройства могут улучшать системы машинного обучения без необходимости ждать появления полноценных квантовых компьютеров. Это открытие прокладывает путь к созданию более эффективных алгоритмов, вдохновлённых квантовой архитектурой, и может радикально изменить подход к вычислениям в эпоху стремительного роста объёмов данных.