Badanie dotyczyło uczenia maszynowego w wersji kwantowej, czyli dziedziny łączącej sztuczną inteligencję z informatyką kwantową. Do tej pory rozwój AI opierał się głównie na skalowaniu, tj. budowaniu coraz większych modeli, trenowanych na coraz większych zbiorach danych i wymagających ogromnych mocy obliczeniowych. Tym razem naukowcy poszli w zupełnie innym kierunku i stworzyli system ekstremalnie mały, acz wykorzystujący prawa fizyki kwantowej.
Czytaj też: Co ma dron do technologii kwantowej? Nowy rozdział wojny bezzałogowców zaczyna się w ciszy
Eksperymentalny układ składał się z dziewięciu oddziałujących ze sobą spinów atomowych, które można traktować jak miniaturowe magnesy na poziomie kwantowym. Zamiast klasycznego programowania krok po kroku, badacze zastosowali podejście, w którym system nie jest ściśle kontrolowany. Zamiast tego dane wejściowe są wprowadzane do układu, a następnie pozwala się mu ewoluować zgodnie z jego naturalną dynamiką, po czym odczytuje się wynik.
Pierwszoplanową rolę odegrały tutaj właściwości mechaniki kwantowej. Dzięki zjawiskom takim jak superpozycja i splątanie, nawet bardzo mała liczba elementów może generować niezwykle złożone wzorce zachowania. To sprawia, iż system zaledwie dziewięciu atomów jest w stanie przetwarzać informacje w sposób, który klasyczne sieci neuronowe osiągają dopiero przy tysiącach węzłów.
Co szczególnie zaskakujące, naukowcy wykorzystali coś, co dotychczas uznawano za poważną wadę komputerów kwantowych: szum i utratę energii. W tradycyjnych strategiach próbują zwalczać te zjawiska, ponieważ prowadzą do błędów obliczeniowych. W tym przypadku zostały one jednak świadomie wykorzystane jako mechanizm kontrolujący pamięć układu. Dzięki temu potrafił on zachować równowagę między zapamiętywaniem przeszłych danych a reagowaniem na nowe informacje.
Aby sprawdzić skuteczność rozwiązania, badacze najpierw zastosowali standardowe testy używane w analizie szeregów czasowych, a następnie przeszli do bardziej wymagających zadań, takich jak prognozowanie temperatur. Wyniki okazały się przełomowe: niewielki układ kwantowy nie tylko dorównał klasycznym modelom, ale wręcz je przewyższył, nawet gdy te były skalowane do tysięcy węzłów.
Czytaj też: Kinetyka wirów kwantowych. Fizycy z PW wyznaczają parametry tarcia wzajemnego w nadcieczach
To pierwszy eksperymentalny dowód na to, że uczenie maszynowe kwantowe może oferować realną przewagę nad klasycznymi metodami w praktycznych zadaniach. Do tej pory wiele podobnych koncepcji pozostawało na poziomie teorii lub bardzo ograniczonych demonstracji. Odkrycie może mieć dalekosiężne konsekwencje. Współczesna sztuczna inteligencja jest coraz bardziej energochłonna. Ogromne centra danych zużywają gigantyczne ilości energii, a trenowanie dużych modeli kosztuje miliony dolarów. Jeśli nawet niewielkie systemy kwantowe będą w stanie rozwiązywać określone problemy wydajniej, może to otworzyć drogę do znacznie bardziej efektywnych technologii.
Źródło: arXiv
