Para ilmuwan mengatakan mereka telah membuat terobosan setelah mengembangkan teknik komputasi kuantum untuk menjalankan algoritma pembelajaran mesin yang mengungguli komputer klasik canggih.
Para peneliti mengungkapkan temuan mereka dalam sebuah penelitian yang diterbitkan 2 Juni di jurnal Fotonik Alam.
Para ilmuwan menggunakan metode yang bergantung pada sirkuit fotonik kuantum dan algoritma pembelajaran mesin yang dipesan lebih dahulu.
Menggunakan hanya dua foton, teknik tim berhasil menunjukkan peningkatan kecepatan, akurasi, dan efisiensi dibandingkan metode komputasi klasik standar untuk menjalankan algoritma pembelajaran mesin.
Para ilmuwan mengatakan ini adalah salah satu pembelajaran mesin kuantum pertama kali telah digunakan untuk masalah dunia nyata dan memberikan manfaat yang tidak dapat disimulasikan menggunakan komputer biner. Selain itu, karena arsitektur baru, dapat diterapkan pada sistem komputasi kuantum yang hanya menampilkan satu qubit, kata mereka.
Tidak seperti banyak metode yang ada untuk mencapai speedup melalui teknik komputasi kuantum-klasik hibrida, metode baru ini tidak memerlukan terjerat gerbang. Sebaliknya, itu bergantung pada injeksi foton.
Terkait: 'The Science is Soulved': IBM untuk Membangun Monster 10.000-Quit Quantum Computer Pada tahun 2029
Pada dasarnya, tim menggunakan laser femtosecond – laser yang memancarkan cahaya dalam pulsa yang sangat pendek yang diukur dalam femtoseconds (10⁻¹⁵ detik) untuk menulis pada substrat kaca borosilikat untuk mengklasifikasikan titik data dari dataset. Foton kemudian disuntikkan dalam enam konfigurasi yang berbeda, yang diproses oleh sistem hibrida kuantum-biner.
Para ilmuwan menentukan di mana pengukuran fotonik mengungguli yang dilakukan melalui komputasi klasik dengan mengukur berapa lama waktu yang dibutuhkan foton untuk menyelesaikan sirkuit kuantum. Mereka kemudian mengisolasi proses di mana pemrosesan kuantum memberikan manfaat dan membandingkan hasilnya dengan output klasik.
Para peneliti menemukan bahwa percobaan berjalan menggunakan sirkuit kuantum fotonik lebih cepat, lebih akurat dan lebih hemat energi daripada yang dilakukan hanya menggunakan teknik komputasi klasik. Kinerja yang ditingkatkan ini berlaku untuk kelas pembelajaran mesin khusus yang disebut “Pembelajaran Mesin Berbasis Kernel” yang dapat memiliki banyak aplikasi di seluruh penyortiran data.
Sementara jaringan saraf yang dalam telah menjadi Alternatif yang semakin populer untuk metode kernel Untuk pembelajaran mesin selama dekade terakhir, sistem berbasis kernel telah melihat Kebangkitan Dalam beberapa tahun terakhir karena kesederhanaan relatif dan keuntungannya saat bekerja dengan dataset kecil.
Eksperimen tim dapat menyebabkan algoritma yang lebih efisien di bidang pemrosesan bahasa alami dan model pembelajaran lainnya yang diawasi.
Mungkin yang paling penting, penelitian ini menampilkan metode baru untuk mengidentifikasi tugas -tugas yang dikumpulkan oleh komputer kuantum dalam sistem komputer hybrid.
Para peneliti mengatakan teknik yang digunakan dapat diskalakan, artinya mereka dapat menyebabkan kinerja yang lebih baik karena jumlah foton atau qubit meningkat. Ini dapat, pada gilirannya, memungkinkan untuk mengembangkan sistem pembelajaran mesin yang mampu melebihi batas model saat ini, yang semakin menghadap Keterbatasan Konsumsi Daya Karena kebutuhan energi besar yang diperlukan untuk memproses data melalui elektronik.
Para peneliti mengklaim teknik mereka akan “membuka pintu ke metode hybrid di mana prosesor fotonik digunakan untuk meningkatkan kinerja metode pembelajaran mesin standar.”
