Kvanttitieteellinen teknologia voi nopeuttaa koneiden oppimisprosessia

Wienin yliopistossa tehty uusi koe osoitti, miten kvanttitieteellinen teknologia voi nopeuttaa koneiden oppimisprosessia. Fyysikot, jotka osallistuivat tutkimukseen, käyttivät yksittäisten fotonien kvanttiprosessoria robottina.

Tutkimus julkaistiin Nature-julkaisussa.

Kvanttilaskennan alalla on tapahtunut merkittäviä kehityksiä viime aikoina, ja tällaisen teknologian mahdollisuuksia tutkitaan jatkuvasti. Tämä on johtanut siihen, että teknologiaa käytetään jo todellisissa sovelluksissa, ja nyt asiantuntijat haluavat yhdistää tekoälyä ja autonomisia koneita kvanttifysiikkaan ja algoritmeihin.

Oppimisprosessi

Tätä varten tutkijat ovat selvittäneet, miten kvanttimekaniikka voi auttaa robotien oppimisprosessissa ja päinvastoin. Jotkut tuloksista osoittavat, miten robotit voivat liikkua nopeammin tai miten kvanttikokeet voivat käyttää uusia oppimismenetelmiä. Vaikka robotit liikkuvat nopeammin, ne eivät ole vielä pystyneet oppimaan nopeammin, mikä on välttämätöntä monimutkaisten autonomisten koneiden kehittämiseksi.

Phillip Walther johti kansainvälistä tutkimusryhmää, johon kuului fyysikkoja yliopistosta. Heidän kanssaan työskentelivät teoreetikot Innsbruckin yliopistosta, Itävallan tiedeakatemian, Leidenin yliopiston ja Saksan avaruuskeskuksen kanssa.

Yhteistyö onnistui kokeellisesti osoittamaan, miten robotti voi oppia nopeammin. Ryhmä käytti yksittäisiä fotonien ja integroidun fotoniikan kvanttiprosessoria, jonka MIT suunnitteli. Prosessoria käytettiin robottina, joka oppi ohjaamaan yksittäisiä fotonien ennalta määrättyyn suuntaan.

Valeria Saggio on julkaisun ensisijainen tekijä.

“Kokeessa voitiin osoittaa, että oppimisaika on merkittävästi lyhyempi verrattuna tilanteeseen, jossa ei käytetä kvanttifysiikkaa”, Saggio sanoo.

Suppenentopohjan periaate

Robotti voi oppia palkkaamalla sitä oikean liikkeen suorittamisesta. Klassisessa maailmassa, esimerkiksi vasemmalle ja oikealle kääntymisessä, voidaan valita vain yksi oikea vaihtoehto. Kvanttitieteellisessä teknologiassa robotti voi kuitenkin käyttää suppenentopohjan periaatetta, mikä tarkoittaa, että se voi tehdä molemmat liikkeet samanaikaisesti.

Hand Briegel ja hänen tiiminsä Innsbruckin yliopistosta kehittivät teoreettiset ideat kvanttioppimisista.

“Tämä avainominaisuus mahdollistaa kvanttihaun algoritmin toteuttamisen, joka vähentää oikean polun oppimiseen tarvittavien kokeiden määrää. Seurauksena on, että agentti, joka voi tutkia ympäristöään suppenentona, oppii merkittävästi nopeammin kuin klassinen vastine”, Briegel sanoo.

Waltherin mukaan “Olemme vasta aloittamassa kvantti-tekoälyn mahdollisuuksien ymmärtämistä, ja jokainen uusi kokeellinen tulos edistää tämän alan kehittymistä, jota pidetään tällä hetkellä yhtenä lupaavimmista kvanttilaskennan aloista”.