Technologia kwantowa może przyspieszyć proces uczenia się maszyn

Nowy eksperyment na Uniwersytecie Wiedeńskim pokazał, jak technologia kwantowa może przyspieszyć proces uczenia się maszyn. Fizycy zaangażowani w tę pracę użyli procesora kwantowego dla pojedynczych fotonów jako robota.

Badanie zostało opublikowane w Nature.

W ostatnim czasie nastąpiły znaczące postępy w dziedzinie obliczeń kwantowych, a możliwości takich technologii są ciągle realizowane. To doprowadziło do wykorzystania tej technologii w aplikacjach rzeczywistych, a teraz eksperci chcą połączyć sztuczną inteligencję (AI) i autonomiczne maszyny z fizyką kwantową i algorytmami.

Proces uczenia się

Aby to osiągnąć, naukowcy badali, jak mechanika kwantowa może pomóc w procesie uczenia się robotów, i odwrotnie. Niektóre z wyników pokazały, jak roboty mogą poruszać się szybciej lub jak eksperymenty kwantowe mogą wykorzystywać nowe techniki uczenia. Mimo że roboty poruszają się szybciej, nie są jeszcze w stanie uczyć się szybciej, co jest potrzebne do rozwoju złożonych autonomicznych maszyn.

Phillip Walther kierował międzynarodowym wysiłkiem, na czele którego stanęła grupa fizyków z uniwersytetu. Dołączyli do nich teoretycy z Uniwersytetu w Innsbrucku, Austriackiej Akademii Nauk, Uniwersytetu w Leiden i Niemieckiego Centrum Lotnictwa i Kosmonautyki.

Współpraca doprowadziła do eksperymentalnego udowodnienia przyspieszenia czasu uczenia się robota. Zespół oparł się na pojedynczych fotonach i zintegrowanym procesorze kwantowym zaprojektowanym przez MIT. Procesor został użyty jako robot, ucząc się, jak skierować pojedyncze fotony w określonym kierunku.

Valeria Saggio jest pierwszym autorem publikacji.

“Eksperyment pokazał, że czas uczenia się jest znacznie skrócony w porównaniu z przypadkiem, w którym nie używa się fizyki kwantowej”, mówi Saggio.

Zasada superpozycji

Robot może uczyć się, będąc nagradzany za wykonanie poprawnego ruchu. W świecie klasycznym, na przykład z lewym i prawym skrętem, można wybrać tylko jeden i poprawny. Jednak z technologią kwantową robot może wykorzystywać zasadę superpozycji, co oznacza, że może wykonać oba skręty jednocześnie.

Hand Briegel i jego zespół z Uniwersytetu w Innsbrucku opracowali teoretyczne idee na temat kwantowych agentów uczenia.

“Ta kluczowa funkcja umożliwia wdrożenie algorytmu wyszukiwania kwantowego, który redukuje liczbę prób do nauczenia się poprawnej ścieżki. W konsekwencji, agent, który może badać swoje środowisko w superpozycji, uczy się znacznie szybciej niż jego klasyczny odpowiednik”, mówi Briegel.

Według Walthera, „Jesteśmy dopiero na początku zrozumienia możliwości sztucznej inteligencji kwantowej, a każdy nowy wynik eksperymentalny przyczynia się do rozwoju tego pola, które jest obecnie uważane za jedną z najbardziej płodnych dziedzin obliczeń kwantowych”.