Quantentechnologie kann den Lernprozess von Maschinen beschleunigen

Ein neues Experiment an der Universität Wien hat gezeigt, wie Quantentechnologie den Lernprozess von Maschinen beschleunigen kann. Die an der Arbeit beteiligten Physiker verwendeten einen Quantenprozessor für einzelne Photonen als Roboter.

Die Forschung wurde in Nature veröffentlicht.

Es gab kürzlich bedeutende Entwicklungen im Bereich der Quantencomputing, und die Leistungsfähigkeit solcher Technologien wird kontinuierlich realisiert. Dies hat dazu geführt, dass die Technologie in realen Anwendungen eingesetzt wird, und nun möchten Experten künstliche Intelligenz (KI) und autonome Maschinen mit Quantenphysik und Algorithmen verbinden.

Lernprozess

Um dies zu erreichen, haben Wissenschaftler untersucht, wie Quantenmechanik den Lernprozess von Robotern unterstützen kann und umgekehrt. Einige der Ergebnisse haben gezeigt, wie Roboter schneller bewegen oder wie Quantenexperimente neue Lernmethoden verwenden können. Trotz der schnelleren Bewegung konnten die Roboter jedoch noch nicht schneller lernen, was für die Entwicklung komplexer autonomer Maschinen erforderlich ist.

Phillip Walther leitete eine internationale Bemühung, die von einem Team von Physikern an der Universität angeführt wurde. Sie wurden von Theoretikern der Universität Innsbruck, der Österreichischen Akademie der Wissenschaften, der Universität Leiden und dem Deutschen Zentrum für Luft- und Raumfahrt unterstützt.

Die Zusammenarbeit gelang es, den Lernprozess eines Roboters experimentell zu beschleunigen. Das Team verwendete einzelne Photonen und einen integrierten photonischen Quantenprozessor, der von MIT entworfen wurde. Der Prozessor wurde als Roboter verwendet, der lernte, einzelne Photonen in eine vordefinierte Richtung zu lenken.

Valeria Saggio ist die erste Autorin der Veröffentlichung.

“Das Experiment konnte zeigen, dass die Lernzeit im Vergleich zu dem Fall, in dem keine Quantenphysik verwendet wird, deutlich reduziert wird”, sagt Saggio.

Das Superpositionsprinzip

Der Roboter kann lernen, indem er für die Ausführung der richtigen Bewegung belohnt wird. In einer klassischen Welt, zum Beispiel mit einer linken und rechten Drehung, kann nur eine davon gewählt und richtig sein. Mit Quantentechnologie kann der Roboter jedoch das Superpositionsprinzip verwenden, was bedeutet, dass er beide Drehungen gleichzeitig ausführen kann.

Hand Briegel und sein Team an der Universität Innsbruck entwickelten die theoretischen Ideen zu quantenbasierten Lernagenten.

“Diese Schlüsselfunktion ermöglicht die Implementierung eines Quantensuchalgorithmus, der die Anzahl der Versuche für das Lernen des richtigen Pfads reduziert. Als Folge davon wird ein Agent, der seine Umgebung in Superposition erkunden kann, wesentlich schneller lernen als sein klassisches Gegenstück”, sagt Briegel.

Laut Walther “stehen wir gerade am Anfang des Verständnisses der Möglichkeiten der quantenbasierten künstlichen Intelligenz und jedes neue experimentelle Ergebnis trägt zur Entwicklung dieses Bereichs bei, der derzeit als einer der fruchtbarsten Bereiche für die Quantencomputing angesehen wird.”