Квантова технологія може прискорити процес навчання машин

Новий експеримент у Віденському університеті продемонстрував, як квантова технологія може прискорити процес навчання машин. Фізики, які брали участь у роботі, використовували квантовий процесор для окремих фотонів як робота.

Дослідження було опубліковано в природа. 

Останнім часом у сфері квантових обчислень відбулися серйозні розробки, і потужність таких технологій постійно усвідомлюється. Це призвело до того, що технологія використовується в реальних програмах, і тепер експерти хочуть об’єднати штучний інтелект (ШІ) та автономні машини з квантовою фізикою та алгоритмами. 

Процес навчання

Щоб досягти цього, вчені досліджували, як квантова механіка може допомогти процесу навчання роботів і навпаки. Деякі з результатів показали, як роботи можуть рухатися швидше або як квантові експерименти можуть використовувати нові методи навчання. Незважаючи на те, що вони рухаються швидше, роботи все ще не здатні вчитися швидше, що необхідно для розробки складних автономних машин. 

Філіп Уолтер очолив міжнародну роботу під керівництвом команди фізиків з університету. До них приєдналися теоретики з університету Інсбрука, Австрійської академії наук, Лейденського університету та Німецького аерокосмічного центру.

Завдяки співпраці вдалося експериментально довести прискорення часу навчання робота. Команда покладалася на окремі фотони та інтегрований фотонний квантовий процесор, розроблений MIT. Процесор використовувався як робот, який навчався направляти окремі фотони у заздалегідь визначеному напрямку.

Валерія Саджіо – перший автор видання.

«Експеримент може показати, що час навчання значно скорочується порівняно з випадком, коли не використовується квантова фізика», — каже Саджіо.

Принцип суперпозиції

Робот може навчатися, отримуючи винагороду за правильний хід. У класичному світі, наприклад, з поворотом ліворуч і праворуч, лише один може бути обраний і правильний. Однак за допомогою квантової технології робот може використовувати принцип суперпозиції, тобто він може виконувати обидва ці повороти одночасно. 

Хенд Брігель і його команда з Університету Інсбрука розробили теоретичні ідеї про агенти квантового навчання.

«Ця ключова функція дозволяє реалізувати алгоритм квантового пошуку, який зменшує кількість спроб для визначення правильного шляху. Як наслідок, агент, який може досліджувати своє оточення в суперпозиції, навчатиметься значно швидше, ніж його класичний аналог», — говорить Брігель.

За словами Вальтера, «ми лише починаємо розуміти можливості квантового штучного інтелекту, і тому кожен новий експериментальний результат сприяє розвитку цієї галузі, яка наразі вважається однією з найбільш плідних областей для квантових обчислень».