menu
close

Квантові обчислення досягли «святого Грааля» експоненціального прискорення

Дослідники з USC та Університету Джонса Гопкінса вперше продемонстрували безумовне експоненціальне квантове прискорення, використовуючи 127-кубітні процесори Eagle від IBM. Команда під керівництвом експерта з квантової корекції помилок Даніеля Лідара розв’язала варіацію задачі Саймона, довівши, що квантові комп’ютери тепер можуть остаточно перевершувати класичні машини. Це відкриття є важливою віхою, яка згодом може прискорити навчання моделей ШІ та зробити можливими раніше недосяжні обчислювальні завдання.
Квантові обчислення досягли «святого Грааля» експоненціального прискорення

У тому, що експерти називають «святим Граалем квантових обчислень», дослідники досягли безумовного експоненціального прискорення на квантовому обладнанні, остаточно довівши, що квантові комп’ютери можуть перевершувати класичні без теоретичних застережень.

Революційне дослідження, опубліковане у Physical Review X 5 червня 2025 року, очолив Даніель Лідар — професор інженерії в USC та експерт із квантової корекції помилок. Разом із колегами з USC та Університету Джонса Гопкінса команда Лідара продемонструвала експоненціальну перевагу, використовуючи два 127-кубітні квантові процесори Eagle від IBM, що працювали віддалено через хмару.

Особливу значущість цього досягнення надає те, що прискорення є «безумовним», тобто не спирається на жодні непідтверджені припущення. «Попередні заяви про прискорення вимагали припущення, що не існує кращого класичного алгоритму для порівняння з квантовим», — пояснює Лідар. «Тепер розрив у продуктивності не можна скасувати, оскільки експоненціальне прискорення, яке ми продемонстрували, вперше є безумовним».

Команда модифікувала задачу Саймона — математичну задачу з пошуку прихованих закономірностей у функціях — для реалізації на реальному квантовому обладнанні. Ця задача вважається попередницею алгоритму факторизації Шора, який започаткував всю галузь квантових обчислень. Щоб подолати шум і помилки, які зазвичай супроводжують квантові системи, дослідники застосували складні методи придушення помилок, зокрема динамічне розв’язування та пом’якшення помилок вимірювання.

Хоча Лідар застерігає, що «цей результат не має практичних застосувань, окрім перемоги в іграх на вгадування», наслідки для штучного інтелекту є глибокими. У міру розвитку квантових комп’ютерів вони можуть суттєво прискорити процеси машинного навчання, особливо для задач оптимізації та складних обчислень, які наразі потребують величезних обчислювальних ресурсів.

Квантово-посилені алгоритми ШІ вже показали перспективу в окремих застосуваннях. Недавні дослідження продемонстрували, що квантові методи можуть підвищити ефективність машинного навчання на основі ядер, зробивши його швидшим, точнішим і енергоефективнішим порівняно з класичними підходами. У міру масштабування квантового обладнання ці переваги можуть відкрити нове покоління можливостей ШІ, які раніше були недосяжними через обмеження обчислювальної потужності.

Це досягнення остаточно демонструє давно обіцяну здатність квантових обчислень забезпечувати експоненціальне прискорення, що є ключовим кроком до практичної квантової переваги у реальних застосуваннях.

Source:

Latest News