W Wiedniu, w Austrii, naukowcy z Uniwersytetu Wiedeńskiego dokonali znaczącego przełomu w dziedzinie kwantowego uczenia maszynowego. Ich praca, opublikowana w Nature Photonics, pokazuje, że nawet komputery kwantowe na małą skalę mogą poprawić wydajność algorytmów uczenia maszynowego. To odkrycie otwiera ekscytujące nowe możliwości dla przyszłości obliczeń.
Zespół wykorzystał fotoniczny procesor kwantowy do klasyfikacji punktów danych, podkreślając zalety efektów kwantowych w porównaniu z komputerami klasycznymi. Eksperyment wykazał, że te małe procesory kwantowe mogą przewyższać konwencjonalne algorytmy. „Odkryliśmy, że dla określonych zadań nasz algorytm popełnia mniej błędów niż jego klasyczny odpowiednik” – wyjaśnił Philip Walther z Uniwersytetu Wiedeńskiego, kierownik projektu.
Badania te nie tylko rozwijają obliczenia kwantowe poprzez identyfikację zadań, które korzystają z efektów kwantowych, ale także oferują wgląd w standardowe obliczenia. Zastosowanie platform fotonicznych, które zużywają mniej energii niż standardowe komputery, to kolejna kluczowa zaleta. Może to być kluczowe, ponieważ algorytmy uczenia maszynowego stają się coraz bardziej energochłonne. Ten przełom może prowadzić do projektowania nowych, bardziej wydajnych algorytmów inspirowanych architekturami kwantowymi.