Квантовая технология может ускорить процесс обучения машин

Новый эксперимент в Университете Вены продемонстрировал, как квантовая технология может ускорить процесс обучения машин. Физики, участвовавшие в работе, использовали квантовый процессор для одиночных фотонов в качестве робота.

Исследование было опубликовано в Nature.

В последнее время в области квантовых вычислений произошли значительные разработки, и возможности таких технологий постоянно реализуются. Это привело к использованию технологии в реальных приложениях, и теперь эксперты хотят объединить искусственный интеллект (ИИ) и автономные машины с квантовой физикой и алгоритмами.

Процесс обучения

Для достижения этой цели ученые изучали, как квантовая механика может помочь процессу обучения роботов, и наоборот. Некоторые результатов показали, как роботы могут двигаться быстрее или как квантовые эксперименты могут использовать новые методы обучения. Несмотря на более быстрое движение, роботы еще не смогли учиться быстрее, что необходимо для разработки сложных автономных машин.

Филипп Вальтер возглавил международную команду физиков из университета. К ним присоединились теоретики из Университета Инсбрука, Австрийской академии наук, Лейденского университета и Германского аэрокосмического центра.

Сотрудничество смогло экспериментально доказать ускорение времени обучения робота. Команда полагалась на одиночные фотоны и интегрированный фотонный квантовый процессор, разработанный MIT. Процессор использовался в качестве робота, обучающегося маршрутизации одиночных фотонов в заданном направлении.

Валерия Саджо является первым автором публикации.

“Эксперимент смог показать, что время обучения значительно сокращается по сравнению с случаем, когда не используется квантовая физика”, – говорит Саджо.

Принцип суперпозиции

Робот может учиться, получая награды за выполнение правильного хода. В классическом мире, например, с левым и правым поворотом, можно выбрать только один и правильный. Однако с квантовой технологией робот может использовать принцип суперпозиции, что означает, что он может выполнить оба этих поворота одновременно.

Ханд Бриегель и его команда в Университете Инсбрука разработали теоретические идеи о квантовых агентах обучения.

“Эта ключевая особенность позволяет реализовать квантовый алгоритм поиска, который сокращает количество попыток для обучения правильному пути. В результате агент, который может исследовать свою среду в суперпозиции, будет учиться значительно быстрее, чем его классический аналог”, – говорит Бриегель.

По словам Вальтера, “Мы только начинаем понимать возможности квантового искусственного интеллекта, и каждый новый экспериментальный результат способствует развитию этой области, которая в настоящее время считается одной из наиболее перспективных для квантовых вычислений”.