Di Wina, Austria, para peneliti dari Universitas Wina telah membuat terobosan signifikan di bidang pembelajaran mesin kuantum. Karya mereka, yang diterbitkan di Nature Photonics, menunjukkan bahwa bahkan komputer kuantum skala kecil dapat meningkatkan kinerja algoritma pembelajaran mesin. Penemuan ini membuka kemungkinan baru yang menarik untuk masa depan komputasi.
Tim menggunakan prosesor kuantum fotonik untuk mengklasifikasikan titik data, menyoroti keuntungan efek kuantum dibandingkan komputer klasik. Eksperimen mengungkapkan bahwa prosesor kuantum kecil ini dapat mengungguli algoritma konvensional. "Kami menemukan bahwa untuk tugas tertentu, algoritma kami melakukan lebih sedikit kesalahan daripada rekan klasiknya," jelas Philip Walther dari Universitas Wina, pemimpin proyek.
Penelitian ini tidak hanya memajukan komputasi kuantum dengan mengidentifikasi tugas yang mendapat manfaat dari efek kuantum, tetapi juga menawarkan wawasan untuk komputasi standar. Penggunaan platform fotonik, yang mengkonsumsi lebih sedikit energi daripada komputer standar, adalah keuntungan kunci lainnya. Ini bisa menjadi sangat penting karena algoritma pembelajaran mesin menjadi semakin intensif energi. Terobosan ini dapat mengarah pada desain algoritma baru yang lebih efisien yang terinspirasi oleh arsitektur kuantum.