Uzmanların 'kuantum bilgisayarların kutsal kasesi' olarak adlandırdığı gelişmede, araştırmacılar kuantum donanımı üzerinde koşulsuz üstel bir hızlanma elde ederek, kuantum bilgisayarların klasik bilgisayarları teorik çekinceler olmaksızın kesin olarak geride bırakabildiğini kanıtladı.
5 Haziran 2025'te Physical Review X dergisinde yayımlanan bu çığır açıcı araştırmaya, USC'de mühendislik profesörü ve kuantum hata düzeltme uzmanı olan Daniel Lidar liderlik etti. USC ve Johns Hopkins Üniversitesi'nden meslektaşlarıyla birlikte çalışan Lidar'ın ekibi, IBM'in bulut üzerinden uzaktan erişilen iki adet 127-kubitlik Eagle kuantum işlemcisini kullanarak üstel avantajı gösterdi.
Bu başarının özellikle önemli olmasının nedeni, hızlanmanın 'koşulsuz' olması; yani herhangi bir kanıtlanmamış varsayıma dayanmıyor. Lidar, 'Önceki hızlanma iddiaları, kuantum algoritmasının karşılaştırılacağı daha iyi bir klasik algoritma olmadığı varsayımına dayanıyordu,' diyor. 'Gösterdiğimiz üstel hızlanmanın performans farkı tersine çevrilemez çünkü bu, ilk kez koşulsuz olarak sağlandı.'
Ekip, Simon'un problemini—fonksiyonlarda gizli desenlerin bulunmasını içeren matematiksel bir zorluk—gerçek kuantum donanımında uygulanabilir hale getirmek için modifiye etti. Bu problem, kuantum hesaplama alanını başlatan Shor'un çarpanlara ayırma algoritmasının öncüsü olarak kabul ediliyor. Kuantum sistemlerinde genellikle karşılaşılan gürültü ve hata sorunlarını aşmak için araştırmacılar, dinamik ayrıştırma ve ölçüm hatası azaltımı gibi gelişmiş hata bastırma teknikleri kullandı.
Lidar, 'Bu sonucun pratikte tahmin oyunları kazanmak dışında bir uygulaması yok,' diye uyarıyor; ancak yapay zeka için etkileri derin olabilir. Kuantum bilgisayarlar geliştikçe, özellikle optimizasyon problemleri ve şu anda devasa hesaplama kaynakları gerektiren karmaşık hesaplamalar için makine öğrenimi süreçlerini dramatik biçimde hızlandırabilirler.
Kuantum destekli yapay zeka algoritmaları, belirli uygulamalarda şimdiden umut vaat ediyor. Son araştırmalar, kuantum tekniklerinin çekirdek tabanlı makine öğrenimini hızlandırıp daha doğru ve enerji verimli hale getirebildiğini gösterdi. Kuantum donanımı ölçeklendikçe, bu avantajlar daha önce hesaplama sınırlamaları nedeniyle uygulanamayan yeni nesil yapay zeka yeteneklerini mümkün kılabilir.
Bu başarı, kuantum bilgisayarların uzun süredir vaat edilen üstel hızlanmayı sağlayabildiğini kesin olarak göstererek, gerçek dünya uygulamalarında pratik kuantum üstünlüğüne giden yolda kritik bir adımı işaret ediyor.