Квантові технології можуть прискорити процес навчання машин

Новий експеримент у Віденському університеті продемонстрував, як квантові технології можуть прискорити процес навчання машин. Фізики, які брали участь у роботі, використовували квантовий процесор для окремих фотонів як робот.

Дослідження було опубліковано в Nature.

Останнім часом у сфері квантових обчислень відбулися значні розробки, і потужність таких технологій постійно реалізується. Це призвело до використання технологій у реальних застосуваннях, і тепер експерти хочуть об’єднати штучний інтелект (AI) і автономні машини з квантовою фізикою і алгоритмами.

Процес навчання

Для досягнення цієї мети вчені вивчали, як квантові механіка може допомогти процесу навчання роботів, і навпаки. Деякі результати показали, як роботи можуть рухатися швидше або як квантові експерименти можуть використовувати нові методи навчання. Незважаючи на те, що роботи рухаються швидше, вони ще не змогли навчитися швидше, що потрібно для розвитку складних автономних машин.

Філіп Вальтер очолив міжнародну команду фізиків університету. До них приєдналися теоретики з Інсбрукського університету, Австрійської академії наук, Лейденського університету та Німецького аерокосмічного центру.

Колаборація успішно експериментально довела прискорення часу навчання робота. Команда використовувала окремі фотони та інтегрований фотонний квантовий процесор, розроблений Массачусетським технологічним інститутом. Процесор використовувався як робот, який навчився маршрутизувати окремі фотони у попередньому напрямку.

Валерія Саджо є першим автором публікації.

“Експеримент міг показати, що час навчання значно зменшується порівняно з випадком, коли не використовується квантової фізики”, – говорить Саджо.

Принцип суперпозиції

Робот може навчитися, отримуючи нагороди за виконання правильного ходу. У класичному світі, наприклад, з лівим і правим поворотом, можна вибрати тільки один і правильний. Однак з квантовими технологіями робот може використовувати принцип суперпозиції, тобто він може виконувати обидва повороти одночасно.

Ханд Брігель і його команда в Інсбрукському університеті розробили теоретичні ідеї щодо квантових агентів навчання.

“Ця ключова особливість дозволяє реалізувати квантовий алгоритм пошуку, який зменшує кількість спроб для навчання правильного шляху. Як наслідок, агент, який може досліджувати свою довкілля у суперпозиції, навчить значно швидше, ніж його класичний аналог”, – говорить Брігель.

За словами Вальтера, “Ми тільки на початку розуміння можливостей квантового штучного інтелекту, і тому кожен новий експериментальний результат сприяє розвитку цієї галузі, яка зараз вважається однією з найродючіших для квантових обчислень”.