Kvantová technologie může urychlit proces učení strojů

Nový experiment na Vídeňské univerzitě ukázal, jak kvantová technologie může urychlit proces učení strojů. Fyzici zapojení do této práce použili kvantový procesor pro jednotlivé fotony jako robota.

Tento výzkum byl zveřejněn v Nature.

V posledních letech došlo k významným pokrokům v oblasti kvantového počítačového zpracování, a síla těchto technologií je stále více využívána. To vedlo k použití této technologie v reálných aplikacích, a nyní odborníci chtějí spojit umělou inteligenci (AI) a autonomní stroje s kvantovou fyzikou a algoritmy.

Proces učení

K dosažení tohoto cíle se vědci snažili zjistit, jak kvantová mechanika může pomoci procesu učení robotů, a naopak. Některé výsledky ukázaly, jak roboti mohou pohybovat rychleji nebo jak kvantové experimenty mohou použít nové techniky učení. Přestože se roboti pohybovali rychleji, dosud nebyli schopni se učit rychleji, což je zapotřebí pro vývoj složitých autonomních strojů.

Phillip Walther vedl mezinárodní úsilí vedené týmem fyziků z univerzity. Byli připojeni teoretici z Univerzity v Innsbrucku, Rakouské akademie věd, Univerzity v Leidenu a Německého střediska pro letectví a kosmonautiku.

Tato spolupráce se podařilo experimentálně prokázat urychlení doby učení robota. Tým se spoléhal na jednotlivé fotony a integrovaný fotonicový kvantový procesor navrženým MIT. Procesor byl použit jako robot, který se učil, jak směrovat jednotlivé fotony do předem definovaného směru.

Valeria Saggio je první autorkou této publikace.

“Experiment ukázal, že doba učení je významně zkrácena ve srovnání s případem, kdy není použita kvantová fyzika,” říká Saggio.

Princip superpozice

Robot se může učit být odměněn za dokončení správného pohybu. V klasickém světě, například s levým a pravým otočením, může být vybrán pouze jeden a správný. Avšak s kvantovou technologií je robot schopen použít princip superpozice, což znamená, že může provést oba tyto otočení současně.

Hand Briegel a jeho tým z Univerzity v Innsbrucku vyvinuli teoretické nápady o kvantových učících se agentech.

“Tato klíčová funkce umožňuje implementaci kvantového algoritmu pro vyhledávání, který snižuje počet pokusů pro naučení správné cesty. Jako důsledek, agent, který může prozkoumat své prostředí v superpozici, se naučí významně rychleji než jeho klasický protějšek,” říká Briegel.

Podle Walthera, “Jsme teprve na začátku porozumění možností kvantové umělé inteligence a každý nový experimentální výsledek přispívá k rozvoji tohoto oboru, který je v současné době považován za jednu z nejúrodnějších oblastí pro kvantové počítačové zpracování.”