À Vienne, en Autriche, des chercheurs de l'Université de Vienne ont accompli une avancée significative dans le domaine de l'apprentissage automatique quantique. Leurs travaux, publiés dans Nature Photonics, démontrent que même les ordinateurs quantiques à petite échelle peuvent améliorer les performances des algorithmes d'apprentissage automatique. Cette découverte ouvre de nouvelles possibilités passionnantes pour l'avenir de l'informatique.
L'équipe a utilisé un processeur quantique photonique pour classifier des points de données, soulignant les avantages des effets quantiques par rapport aux ordinateurs classiques. L'expérience a révélé que ces petits processeurs quantiques peuvent surpasser les algorithmes conventionnels. « Nous avons constaté que pour des tâches spécifiques, notre algorithme commet moins d'erreurs que son équivalent classique », a expliqué Philip Walther de l'Université de Vienne, chef de projet.
Cette recherche fait progresser l'informatique quantique en identifiant les tâches qui bénéficient des effets quantiques, mais offre également des perspectives pour l'informatique standard. L'utilisation de plateformes photoniques, qui consomment moins d'énergie que les ordinateurs classiques, constitue un autre avantage clé. Cela pourrait être crucial alors que les algorithmes d'apprentissage automatique deviennent de plus en plus gourmands en énergie. Cette percée pourrait conduire à la conception de nouveaux algorithmes plus efficaces, inspirés des architectures quantiques.