Prelomová štúdia medzinárodného výskumného tímu vedeného Viedenskou univerzitou ukázala, že aj malorozmerné kvantové počítače môžu výrazne zvýšiť výkon strojového učenia pomocou nového fotonického kvantového obvodu.
Vedci dokázali, že dnešná kvantová technológia nie je len experimentálna – už teraz dokáže v určitých úlohách prekonať klasické systémy. V experimente použili fotonický kvantový počítač na klasifikáciu dátových bodov a preukázali, že malé kvantové procesory môžu byť výkonnejšie než bežné algoritmy. „Zistili sme, že pri špecifických úlohách náš algoritmus robí menej chýb ako jeho klasický náprotivok,“ vysvetľuje Philip Walther z Viedenskej univerzity, vedúci projektu.
Experimentálne zariadenie tvorí kvantový fotonický obvod postavený na Politecnico di Milano (Taliansko), ktorý realizuje algoritmus strojového učenia navrhnutý výskumníkmi zo spoločnosti Quantinuum (Spojené kráľovstvo). „To znamená, že existujúce kvantové počítače môžu dosahovať dobré výsledky aj bez toho, aby museli prekonať súčasný stav technológií,“ dodáva Zhenghao Yin, prvý autor publikácie v Nature Photonics.
Mimoriadne sľubným aspektom tohto výskumu je, že fotonické platformy môžu spotrebovať výrazne menej energie v porovnaní so štandardnými počítačmi. „To môže byť v budúcnosti kľúčové, keďže algoritmy strojového učenia sa stávajú neudržateľnými kvôli príliš vysokým energetickým nárokom,“ zdôrazňuje spoluautorka Iris Agresti. Keďže v obvode prúdi iba svetlo a nie elektrický prúd, fotonické čipy majú nižšie požiadavky na chladenie. V kombinácii s vyšším výkonom a hustotou výpočtov to vedie k výrazným energetickým úsporám. Niektoré fotonické AI akcelerátory sľubujú spotrebu až 30-krát nižšiu než grafické procesory (GPU).
Výsledok má dopad nielen na kvantové výpočty, keďže identifikuje úlohy, ktoré profitujú z kvantových efektov, ale aj na bežné počítanie. V skutočnosti môžu byť navrhnuté nové algoritmy inšpirované kvantovými architektúrami, ktoré dosiahnu lepší výkon a nižšiu spotrebu energie. Tento prelom dokazuje, že malorozmerné fotonické kvantové počítače môžu v špecifických úlohách strojového učenia prekonať klasické systémy, pričom výskumníci použili kvantovo vylepšený algoritmus na fotonickom obvode na presnejšiu klasifikáciu dát než konvenčné metódy.
Ako AI systémy naďalej rastú v komplexnosti a energetických nárokoch, tento výskum otvára cestu k udržateľnejším a výkonnejším AI technológiám, ktoré využívajú kvantové výhody už dnes, a nie len v teoretickej budúcnosti. Integrácia kvantovej fotoniky a strojového učenia predstavuje jednu z najperspektívnejších hraníc v oblasti výpočtovej techniky, pričom už teraz sa objavujú jej praktické aplikácie.