Исследователи на практике подтвердили, что квантовые подходы к обработке информации способны повысить точность машинного обучения. В ходе эксперимента фотонный процессор создал уникальные «квантовые ядра» — математические структуры для анализа данных, которые превзошли классические методы, такие как гауссовы и нейронные модели.
Экспериментальная установка работала на основе управления состояниями в программируемой оптической системе. Информация кодировалась через изменение световой фазы и обрабатывалась двумя методами: с применением квантовых эффектов (неразличимые фотоны) и без них (различимые фотоны). В первом случае классификация данных получалась более точной благодаря квантовой интерференции — процессу, при котором световые волны усиливают или компенсируют друг друга.
Квантовые ядра позволяют преобразовывать сложные данные в формы, удобные для анализа. На классических компьютерах такие преобразования осуществляют с помощью математических моделей, однако квантовые системы благодаря своей уникальной природе способны делать это более эффективно. Теория предсказала это давно, но до недавнего времени практические прототипы для проверки отсутствовали.
Достижение связано с применением фотонных технологий, позволяющих управлять квантовыми состояниями даже на устройствах среднего масштаба. Это особенно важно, так как современные квантовые компьютеры еще не обладают достаточной мощностью для решения сложных задач. Фотонные процессоры стали связующим звеном между теоретическими расчетами и практическими приложениями.
Авторы исследования полагают, что их метод может быть интегрирован в классические системы машинного обучения для работы с большими данными, проведения прогнозирования и моделирования. Следующий шаг — испытание подхода на практике в таких областях, как медицина или физика.
Источник: iXBT
