Kvanteteknologi kan akselerere maskinlæring

Et nytt eksperiment ved Universitetet i Wien har vist hvordan kvanteteknologi kan akselerere maskinlæring. Fysikerne som deltok i arbeidet brukte en kvanteprosessor for enkeltfotoner som en robot.

Forskningen ble publisert i Nature.

Det har vært betydelige fremgang innen kvantecomputing de siste årene, og kraften i slike teknologier blir stadig mer tydelig. Dette har ført til at teknologien nå brukes i virkelige anvendelser, og nå ønsker eksperter å kombinere kunstig intelligens (AI) og autonome maskiner med kvantefysikk og algoritmer.

Læringprosess

For å oppnå dette, har forskerne undersøkt hvordan kvantemekanikk kan hjelpe læringprosessen til roboter, og omvendt. Noen av resultatene har vist hvordan roboter kan bevege seg raskere eller hvordan kvanteforsøk kan bruke nye læringsteknikker. Til tross for at robotene beveger seg raskere, har de fortsatt ikke kunnet lære raskere, noe som er nødvendig for utviklingen av komplekse autonome maskiner.

Phillip Walther ledet en internasjonal innsats ledet av et team av fysikere ved universitetet. De ble slått sammen med teoretikere fra Universitetet i Innsbruck, Den østerrikske vitenskapsakademiet, Leiden Universitet og Det tyske romfartsenteret.

Samarbeidet lyktes i å eksperimentelt bevise akselerasjonen av en robots læringstid. Teamet baserte seg på enkeltfotoner og en integrert fotisk kvanteprosessor designet av MIT. Prosessoren ble brukt som en robot, som lærte å route enkeltfotoner til en forhåndsdefinert retning.

Valeria Saggio er førsteforfatter av publikasjonen.

“Eksperimentet kunne vise at læringstiden er betydelig redusert sammenlignet med tilfeller hvor ingen kvantefysikk brukes,” sier Saggio.

Superposisjonsprinsippet

Robotten kan lære ved å bli belønnet for å fullføre riktig bevegelse. I en klassisk verden, for eksempel med en venstre- og høyresving, kan bare en av dem velges og være riktig. Men med kvanteteknologi kan robotten bruke superposisjonsprinsippet, som betyr at den kan ta begge svingene samtidig.

Hand Briegel og hans team ved Universitetet i Innsbruck utviklet de teoretiske idéene om kvantelærende agenter.

“Dette nøkkeltegnet muliggjør implementeringen av en kvantesøkealgoritme som reduserer antallet forsøk for å lære den riktige banen. Som en konsekvens vil en agent som kan utforske sin omgivelse i superposisjon lære betydelig raskere enn sin klassiske motpart,” sier Briegel.

Ifølge Walther, “Vi er bare i begynnelsen av å forstå mulighetene for kvantekunstig intelligens og derfor bidrar hvert nytt eksperimentelt resultat til utviklingen av dette feltet, som for øyeblikket sees på som ett av de mest fruktbare områdene for kvantecomputing.”