Объединение новейших технологических достижений
Одной из актуальных тем исследований является сочетание двух последних технологических прорывов: машинного обучения и квантовых вычислений.
Экспериментальное исследование
Экспериментальное исследование показывает, что уже небольшие квантовые компьютеры могут повысить производительность алгоритмов машинного обучения.
Это было продемонстрировано на фотонном квантовом процессоре международной группой исследователей из Венского университета. Работа, опубликованная в Nature Photonics, открывает новые перспективы для оптических квантовых компьютеров.
Новые научные достижения
Недавние научные прорывы изменили развитие будущих технологий. С одной стороны, машинное обучение и искусственный интеллект уже произвели революцию в нашей жизни — от повседневных задач до научных исследований. С другой стороны, квантовые вычисления стали новой парадигмой вычислений.
Квантовое машинное обучение
Из сочетания этих двух перспективных областей открылось новое направление исследований: квантовое машинное обучение. Это поле направлено на поиск потенциальных улучшений в скорости, эффективности или точности алгоритмов, когда они работают на квантовых платформах. Однако всё ещё остаётся нерешённой задачей достижение такого преимущества на современных технологических квантовых компьютерах.
Эксперимент в Венском университете
Международная группа исследователей сделала следующий шаг и разработала новый эксперимент, проведённый учёными из Венского университета.
Установка включает в себя квантовую фотонную схему, созданную в Политехническом университете Милана (Италия), которая запускает алгоритм машинного обучения, впервые предложенный исследователями из Quantinuum (Великобритания). Цель состояла в том, чтобы классифицировать точки данных с помощью фотонного квантового компьютера и выделить вклад квантовых эффектов, чтобы понять преимущество перед классическими компьютерами.
Эксперимент показал, что небольшие квантовые процессоры могут работать лучше, чем обычные алгоритмы.
«Мы обнаружили, что для определённых задач наш алгоритм совершает меньше ошибок, чем его классический аналог», — объясняет Филипп Вальтер из Венского университета, руководитель проекта.
«Это означает, что существующие квантовые компьютеры могут показывать хорошие результаты, не выходя за рамки современных технологий», — добавляет Чжэнхао Инь, первый автор публикации в Nature Photonics.
Потребление энергии
Ещё одним интересным аспектом нового исследования является то, что фотонные платформы могут потреблять меньше энергии по сравнению со стандартными компьютерами. «Это может оказаться решающим в будущем, учитывая, что алгоритмы машинного обучения становятся невыполнимыми из-за слишком высокого энергопотребления», — подчёркивает соавтор Ирис Агрести.
Влияние на квантовые и стандартные вычисления
Результат исследователей влияет как на квантовые вычисления, поскольку определяет задачи, в которых используются квантовые эффекты, так и на стандартные вычисления.
Действительно, можно разработать новые алгоритмы, вдохновлённые квантовыми архитектурами, которые будут работать лучше и снижать потребление энергии.
Предоставлено Венским университетом.