Quantentechnologie kann den Lernprozess von Maschinen beschleunigen

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

Die Forschung wurde veröffentlicht in Natur. 

Auf dem Gebiet des Quantencomputings gab es in jüngster Zeit große Entwicklungen, und die Leistungsfähigkeit solcher Technologien wird immer weiter erkannt. Dies hat dazu geführt, dass die Technologie in realen Anwendungen zum Einsatz kommt und nun wollen Experten künstliche Intelligenz (KI) und autonome Maschinen mit Quantenphysik und Algorithmen verschmelzen. 

Lernprozess

Um dies zu erreichen, haben Wissenschaftler untersucht, wie die Quantenmechanik den Lernprozess von Robotern unterstützen kann und umgekehrt. Einige der Ergebnisse haben gezeigt, wie sich Roboter schneller bewegen können oder wie Quantenexperimente neue Lerntechniken nutzen können. Obwohl sie sich schneller bewegen, ist es den Robotern immer noch nicht gelungen, schneller zu lernen, was für die Entwicklung komplexer autonomer Maschinen erforderlich ist. 

Phillip Walther leitete eine internationale Initiative unter der Leitung eines Physikerteams der Universität. Hinzu kamen Theoretiker der Universität Innsbruck, der Österreichischen Akademie der Wissenschaften, der Universität Leiden und des Deutschen Zentrums für Luft- und Raumfahrt.

Der Zusammenarbeit gelang es, die Beschleunigung der Lernzeit eines Roboters experimentell nachzuweisen. Das Team stützte sich auf einzelne Photonen und einen vom MIT entwickelten integrierten photonischen Quantenprozessor. Der Prozessor wurde als Roboter eingesetzt und lernte, einzelne Photonen in eine vordefinierte Richtung zu lenken.

Valeria Saggio ist Erstautorin der Publikation.

„Das Experiment konnte zeigen, dass die Lernzeit im Vergleich zu dem Fall, in dem keine Quantenphysik zum Einsatz kommt, deutlich verkürzt wird“, sagt Saggio.

Das Superpositionsprinzip

Der Roboter kann lernen, indem er für die Ausführung der richtigen Bewegung belohnt wird. In einer klassischen Welt, beispielsweise mit einer Links- und Rechtskurve, kann nur eine ausgewählt und korrigiert werden. Dank der Quantentechnologie ist der Roboter jedoch in der Lage, das Superpositionsprinzip zu nutzen, was bedeutet, dass er beide Wendungen gleichzeitig ausführen kann. 

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

„Diese Schlüsselfunktion ermöglicht die Implementierung eines Quantensuchalgorithmus, der die Anzahl der Versuche zum Erlernen des richtigen Pfads reduziert. Dadurch lernt ein Agent, der seine Umgebung in Superposition erkunden kann, deutlich schneller als sein klassisches Gegenstück“, sagt Briegel.

Walther sagt: „Wir stehen erst am Anfang des Verständnisses der Möglichkeiten der künstlichen Quantenintelligenz und daher trägt jedes neue experimentelle Ergebnis zur Entwicklung dieses Gebiets bei, das derzeit als eines der fruchtbarsten Gebiete für Quantencomputing gilt.“