Komputery kwantowe umożliwiają wykonywanie niektórych operacji znacznie szybciej niż robią to klasyczne maszyny, zwłaszcza jeśli operujemy na dużych zbiorach danych. Oczywiście naukowcy od dawna wykorzystywali komputery kwantowe do modelowania sieci neuronowych. Robili to jednak dotąd w sposób mniej efektywny. Naukowcy z Włoch, zamiast traktować każdy kubit jako indywidualny neuron, wykorzystali jeden klasyczny m-wymiarowy wektor i wektory wagi zakodowane za pomocą N kubitów, według wzoru: m=2N. W efekcie za pomocą N kubitów można wykonywać np. sortowanie wejściowych elementów, których jest m.
Naukowcy poprzednią i nową metodę przetestowali na komputerze kwantowym IBM wykorzystującym 5-kubitowy procesor Tenerife, a następnie porównali wyniki z tymi uzyskanymi na klasycznym komputerze. Zadaniem algorytmu było rozpoznanie czarno-białych wzorów. Jak wcześniej wspomniałem, klasycznemu komputerowi przetworzenie większej ilości danych zajęłoby bardzo dużo czasu. W przypadku komputera kwantowego wyniki otrzymujemy praktycznie natychmiast. Co ciekawe, wyniki nowego modelu perceptronu (perceptron – najprostsza sieć neuronowa) są zbliżone do tych uzyskanych na komputerze tradycyjnym.
Komputery kwantowe jeszcze do niedawna były fantastyką naukową. Jednak na naszych oczach powstają pierwsze działające zastosowania i algorytmy. Urządzenia tego typu ciągle mają wiele ograniczeń, jak choćby wymagana bardzo niska temperatura otoczenia, ale przyśpieszenie rozwoju tej technologii w ostatnich latach jest wyraźnie widoczne. | CHIP
