Революційне дослідження довело, що квантові обчислення — це не лише обіцянка майбутнього, а й вже сьогодні дають відчутні переваги для застосувань у сфері штучного інтелекту.
Міжнародна команда науковців під керівництвом Віденського університету успішно продемонструвала, що навіть відносно невеликі квантові процесори можуть перевершувати традиційні алгоритми машинного навчання у певних завданнях. Їхня робота, опублікована цього місяця у журналі Nature Photonics, є одним із перших практичних застосувань квантових обчислень для підвищення ефективності повсякденних ШІ-систем.
Дослідники використали фотонну квантову схему, створену в Політехнічному університеті Мілана (Італія), щоб реалізувати алгоритм машинного навчання, запропонований раніше науковцями з Quantinuum у Великій Британії. Експеримент був зосереджений на задачах бінарної класифікації, де квантова система показала кращу точність у порівнянні з класичними підходами.
"Ми з’ясували, що для певних завдань наш алгоритм робить менше помилок, ніж класичний аналог", — пояснює Філіп Вальтер з Віденського університету, керівник проєкту. "Це означає, що вже існуючі квантові комп’ютери можуть демонструвати хорошу продуктивність без необхідності виходити за межі сучасних технологій", — додає Чженхао Їнь, перший автор публікації.
Окрім підвищеної точності, фотонний підхід забезпечує значні переваги в енергоефективності. "Це може стати вирішальним у майбутньому, оскільки алгоритми машинного навчання стають непридатними через надто високі енергетичні витрати", — наголошує співавторка Іріс Агесті. Зі зростанням розмірів і складності ШІ-систем їхнє величезне енергоспоживання стає дедалі гострішою проблемою.
Дослідження поєднує теоретичні переваги квантових технологій із практичними застосуваннями, демонструючи, що вже сьогоднішні квантові рішення можуть підсилювати системи машинного навчання без необхідності чекати на появу великомасштабних квантових комп’ютерів. Це відкриття створює нові можливості для розробки ефективніших алгоритмів, натхненних квантовими архітектурами, і потенційно може змінити підхід до обчислень у сфері ШІ в дедалі більш орієнтованому на дані світі.