Oamenii de știință spun că au realizat un progres major după ce au dezvoltat o tehnică de calcul cuantic care permite rularea algoritmilor de învățare automată (machine learning) cu performanțe superioare celor mai avansate computere clasice. Cercetătorii și-au prezentat descoperirile într-un studiu publicat pe 2 iunie în revista Nature Photonics.
Aceștia au folosit o metodă bazată pe un circuit fotonic cuantic și un algoritm de învățare automată creat special. Folosind doar doi fotoni, tehnica echipei a demonstrat o viteză, acuratețe și eficiență sporită în comparație cu metodele clasice standard de rulare a algoritmilor de machine learning. Potrivit oamenilor de știință, aceasta este una dintre primele ocazii în care învățarea automată cuantică a fost aplicată unor probleme reale, oferind avantaje imposibil de simulat cu ajutorul calculatoarelor binare. În plus, datorită arhitecturii sale inovatoare, metoda ar putea fi aplicată și în sisteme cuantice care utilizează un singur qubit, scrie Live Science.
Spre deosebire de multe metode actuale care combină calculul cuantic și cel clasic pentru a obține o accelerare a proceselor, noua tehnică nu necesită porți încurcate (entangled gates), ci se bazează pe injectarea de fotoni. Mai exact, cercetătorii au folosit un laser cu impulsuri de femtosecunde — un laser care emite lumină în pulsații extrem de scurte, măsurate în femtosecunde (10⁻¹⁵ secunde) — pentru a scrie pe un substrat de sticlă borosilicată, în scopul clasificării punctelor de date dintr-un set de date. Fotoni au fost injectați în șase configurații distincte, care au fost apoi procesate de un sistem hibrid cuantic-clasic.
Rezultatele studiului
Cercetătorii au identificat cazurile în care măsurătorile fotonice au depășit performanțele calculului clasic, analizând timpul necesar fotonilor pentru a parcurge circuitul cuantic. Au izolat apoi procesele unde calculul cuantic a oferit un avantaj și au comparat rezultatele cu cele obținute prin metode clasice.
Experimentele realizate cu circuitul fotonic cuantic au fost mai rapide, mai precise și mai eficiente energetic decât cele bazate exclusiv pe calculul clasic. Aceste îmbunătățiri de performanță se aplică unei clase speciale de învățare automată numite „învățare bazată pe kernel” (kernel-based machine learning), care are numeroase aplicații în sortarea datelor. Deși rețelele neuronale profunde (deep learning) au devenit o alternativă tot mai populară în ultimul deceniu, metodele bazate pe kernel au revenit recent în atenție datorită simplității lor și eficienței în lucrul cu seturi mici de date.
Experimentul echipei ar putea duce la dezvoltarea unor algoritmi mai eficienți în procesarea limbajului natural (NLP) și alte modele de învățare supervizată.
De ce descoperirea este considerată una importantă
Poate cel mai important, studiul oferă o metodă inovatoare de identificare a sarcinilor în care calculatoarele cuantice excelează în sisteme hibride. Cercetătorii susțin că tehnicile utilizate sunt scalabile, ceea ce înseamnă că performanțele ar putea crește odată cu numărul de fotoni sau qubiți. Acest lucru ar putea permite dezvoltarea unor sisteme de machine learning care să depășească limitele modelelor actuale, tot mai afectate de consumul mare de energie necesar procesării electronice a datelor.
Cercetătorii susțin că tehnicile lor vor „deschide calea către metode hibride în care procesoarele fotonice sunt folosite pentru a îmbunătăți performanța metodelor standard de învățare automată”.