يمكن لتكنولوجيا الكم تسريع عملية التعلم للآلات

أظهرت تجربة جديدة في جامعة فيينا كيف يمكن لتقنية الكم أن تسرع عملية تعلم الآلات. استخدم الفيزيائيون المشاركون في العمل معالجًا كميًا لفوتونات مفردة كإنسان آلي.

تم نشر البحث في الطبيعة. 

حدثت تطورات كبيرة مؤخرًا في مجال الحوسبة الكمية ، ويتم إدراك قوة هذه التقنيات باستمرار. وقد أدى ذلك إلى استخدام التكنولوجيا في تطبيقات الحياة الواقعية ، والآن يريد الخبراء دمج الذكاء الاصطناعي (AI) والآلات المستقلة مع فيزياء وخوارزميات الكم. 

عملية التعلم

لتحقيق ذلك ، كان العلماء يبحثون في كيفية مساعدة ميكانيكا الكم في عملية تعلم الروبوتات ، والعكس بالعكس. أظهرت بعض النتائج كيف يمكن للروبوتات التحرك بشكل أسرع أو كيف يمكن للتجارب الكمومية أن تستخدم تقنيات التعلم الجديدة. على الرغم من التحرك بشكل أسرع ، فإن الروبوتات لا تزال غير قادرة على التعلم بشكل أسرع ، وهو أمر ضروري لتطوير الآلات المستقلة المعقدة. 

قاد فيليب والثر جهدًا دوليًا بقيادة فريق من الفيزيائيين في الجامعة. وقد انضم إليهم منظرين من جامعة إنسبروك والأكاديمية النمساوية للعلوم وجامعة ليدن ومركز الفضاء الألماني.

نجح التعاون في إثبات تجريبيًا لتسريع وقت تعلم الروبوت. اعتمد الفريق على فوتونات مفردة ومعالج كمومي ضوئي متكامل صممه معهد ماساتشوستس للتكنولوجيا. تم استخدام المعالج كإنسان آلي ، يتعلم كيفية توجيه فوتونات مفردة إلى اتجاه محدد مسبقًا.

فاليريا ساجيو هي أول مؤلفة للنشر.

يقول ساجيو: "يمكن أن تُظهر التجربة أن وقت التعلم قد انخفض بشكل كبير مقارنة بالحالة التي لم يتم فيها استخدام فيزياء الكم".

مبدأ التراكب

يمكن أن يتعلم الروبوت من خلال مكافأته على إكمال الحركة الصحيحة. في العالم الكلاسيكي ، على سبيل المثال مع الدوران إلى اليسار واليمين ، يمكن اختيار وصحيح واحد فقط. ومع ذلك ، باستخدام تقنية الكم ، يمكن للروبوت استخدام مبدأ التراكب ، مما يعني أنه يمكن أن يأخذ كلا المنعطفين في نفس الوقت. 

طور Hand Briegel وفريقه في جامعة إنسبروك الأفكار النظرية حول عوامل التعلم الكمي.

تتيح هذه الميزة الأساسية تنفيذ خوارزمية البحث الكمي التي تقلل من عدد التجارب لتعلم المسار الصحيح. نتيجة لذلك ، فإن العامل الذي يمكنه استكشاف بيئته في التراكب سوف يتعلم بشكل أسرع بكثير من نظيره التقليدي "، كما يقول بريجل.

وفقًا لـ Walther ، "نحن في بداية فهم إمكانيات الذكاء الاصطناعي الكمي ، وبالتالي فإن كل نتيجة تجريبية جديدة تساهم في تطوير هذا المجال ، والذي يُنظر إليه حاليًا على أنه أحد أكثر المجالات خصوبة للحوسبة الكمومية."