A Vienna, in Austria, i ricercatori dell'Università di Vienna hanno compiuto un'importante svolta nel campo dell'apprendimento automatico quantistico. Il loro lavoro, pubblicato su Nature Photonics, dimostra che anche i computer quantistici su piccola scala possono migliorare le prestazioni degli algoritmi di apprendimento automatico. Questa scoperta apre nuove ed entusiasmanti possibilità per il futuro dell'informatica.
Il team ha utilizzato un processore quantistico fotonico per classificare i punti dati, evidenziando i vantaggi degli effetti quantistici rispetto ai computer classici. L'esperimento ha rivelato che questi piccoli processori quantistici possono superare gli algoritmi convenzionali. "Abbiamo scoperto che per compiti specifici il nostro algoritmo commette meno errori rispetto alla sua controparte classica", ha spiegato Philip Walther dell'Università di Vienna, a capo del progetto.
Questa ricerca non solo fa progredire l'informatica quantistica identificando i compiti che beneficiano degli effetti quantistici, ma offre anche spunti per l'informatica standard. L'uso di piattaforme fotoniche, che consumano meno energia rispetto ai computer standard, è un altro vantaggio chiave. Ciò potrebbe essere cruciale poiché gli algoritmi di apprendimento automatico diventano sempre più energivori. Questa svolta potrebbe portare alla progettazione di nuovi algoritmi più efficienti ispirati alle architetture quantistiche.