Квантовые технологии в машинном обучении — новый рубеж возможностей

Учёные подтвердили экспериментально, что фотонный процессор способен превзойти классические алгоритмы машинного обучения по точности. В эксперименте использовали квантовые методы обработки информации, где фотонный процессор создавал "квантовые ядра" — математические структуры для анализа данных. Эти квантовые ядра показали лучшие результаты по сравнению с традиционными моделями, включая гауссовы и нейронные сети.

Эксперимент проводился на базе программируемой оптической схемы, в которой данные кодировались через фазовые сдвиги света. Для обработки использовались два подхода: с квантовыми эффектами, реализованными неразличимыми фотонами, и без них — с различимыми. В первом случае точность классификации значительно возросла благодаря явлению квантовой интерференции, когда световые волны взаимно усиливаются или подавляют друг друга. Такие квантовые ядра преобразуют сложные данные в удобный для анализа формат, что ранее было только теоретической возможностью.

Главная заслуга в успехе принадлежит фотонным технологиям, которые позволяют управлять квантовыми состояниями на устройствах среднего масштаба — это важный шаг к реальному применению квантовых вычислений. Ученые рассчитывают, что разработка сможет быть интегрирована в классические системы машинного обучения и применена в анализе больших данных, моделировании и прогнозировании, например, в медицине и физике. Следующий этап исследований посвящён тестированию метода на практических задачах.