Salah satu topik penelitian panas saat ini adalah kombinasi dari dua terobosan teknologi terbaru: pembelajaran mesin dan komputasi kuantum. Sebuah studi eksperimental menunjukkan bahwa komputer kuantum skala kecil dapat meningkatkan kinerja algoritma pembelajaran mesin. Ini ditunjukkan pada prosesor kuantum fotonik oleh tim peneliti internasional Universitas Wina. Karya itu, baru -baru ini diterbitkan di Nature Photonicsmenunjukkan aplikasi baru yang menjanjikan untuk komputer kuantum optik.
Terobosan ilmiah baru -baru ini telah membentuk kembali pengembangan teknologi masa depan. Di satu sisi, pembelajaran mesin dan kecerdasan buatan telah merevolusi hidup kita dari tugas sehari -hari hingga penelitian ilmiah. Di sisi lain, komputasi kuantum telah muncul sebagai paradigma komputasi baru.
Dari kombinasi dua bidang yang menjanjikan ini, jalur penelitian baru telah dibuka: Pembelajaran Mesin Quantum. Bidang ini bertujuan untuk menemukan peningkatan potensial dalam kecepatan, efisiensi atau akurasi algoritma ketika mereka berjalan pada platform kuantum. Namun masih merupakan tantangan terbuka, untuk mencapai keuntungan seperti itu pada komputer kuantum teknologi saat ini.
Di sinilah tim peneliti internasional mengambil langkah berikutnya dan merancang percobaan baru yang dilakukan oleh para ilmuwan dari University of Vienna. Pengaturan ini menampilkan sirkuit fotonik kuantum yang dibangun di Politecnico di Milano (Italia), yang menjalankan algoritma pembelajaran mesin yang pertama kali diusulkan oleh para peneliti yang bekerja di Quantinuum (Inggris). Tujuannya adalah untuk mengklasifikasikan titik data menggunakan komputer kuantum fotonik dan memilih kontribusi efek kuantum, untuk memahami keuntungan sehubungan dengan komputer klasik. Eksperimen menunjukkan bahwa prosesor kuantum berukuran kecil dapat peform lebih baik daripada algoritma konvensional. “Kami menemukan bahwa untuk tugas -tugas tertentu algoritma kami melakukan lebih sedikit kesalahan daripada rekan klasiknya”, jelas Philip Walther dari University of Vienna, pimpinan proyek. “Ini menyiratkan bahwa komputer kuantum yang ada dapat menunjukkan kinerja yang baik tanpa harus melampaui teknologi canggih” tambah Zhenghao Yin, penulis pertama Publikasi di Nature Photonics.
Aspek lain yang menarik dari penelitian baru ini adalah bahwa platform fotonik dapat mengkonsumsi lebih sedikit energi sehubungan dengan komputer standar. “Ini bisa terbukti penting di masa depan, mengingat bahwa algoritma pembelajaran mesin menjadi tidak layak, karena tuntutan energi yang terlalu tinggi”, menekankan rekan penulis Iris Agresti.
Hasil peneliti memiliki dampak baik pada perhitungan kuantum, karena mengidentifikasi tugas -tugas yang mendapat manfaat dari efek kuantum, serta pada komputasi standar. Memang, algoritma baru, yang terinspirasi oleh arsitektur kuantum dapat dirancang, mencapai kinerja yang lebih baik dan mengurangi konsumsi energi.
Publikasi Asli:
“Pembelajaran mesin berbasis kernel yang ditingkatkan kuantum eksperimental pada prosedur foton”, Z. Yin, I. Agresti, G. de Felice, D. Brown, A. Toumi, C. Pentangelo, S. Piacentini, A. Crespi, F. Ceccarelli, R. Osellame, B. Coecke, P. Walther. Di Nature Photonics (2025).
Klasifikasi titik data dapat dilakukan melalui komputer kuantum fotonik, meningkatkan keakuratan metode konvensional. C: Iris Agresti
Quantumphysics di majalah penelitian kami Rudolphina
