توسط : به گزارش خبرگزاری هاریکا به نقل از اینترستینگ انجینرینگ، این یافته نشاندهنده چشماندازی به عصری سریعتر و حافظ محیطتر در حوزه تحقیقات یادگیری ماشینی کوانتومی (Quantum Machine Learning) است. پژوهش جدید رایانش کوانتومی و یادگیری ماشینی را ترکیب میکند.
پیشرفتهای اخیر در هر دو حوزه نوآوریهای فناورانه را تغییر میدهد. درحالیکه هوش مصنوعی هم اکنون در هر چیزی از دستیارهای شخصی تا تحقیقات علمی به کار میرود، رایانش کوانتومی وعده ایجاد راهی نوین برای پردازش اطلاعات میدهد. تقاطع این فناوری به شکوفایی یک حوزه جدید یادگیری ماشینی کوانتومی منجر شده است.
این رشته نوظهور بررسی میکند که آیا دستگاههای کوانتومی میتوانند سرعت، دقت یا کارایی الگوریتمهای یادگیری ماشینی را بهبود بخشند یا خیر. با اینحال، اثبات چنین مزیتی در سختافزار کوانتومی محدود امروزی همچنان یک چالش بزرگ بهحساب میآید و محققان بهتازگی مقابله با آن را آغاز کردهاند.
در همین راستا گروهی از محققان بینالمللی به رهبری دانشگاه وین طی آزمایشی از یک پردازشگر کوانتومی فوتونی برای دستهبندی نقاط داده که وظیفهای مهم در سیستمهای هوش مصنوعی مدرن است، استفاده کردند.
آنها متوجه شدند سیستمهای کوانتومی از همتایان سنتی خود بهتر عمل میکنند و اشتباهات کمتری دارند. این دستاورد با کمک مدار کوانتومی فوتونیک توسعهیافته در دانشگاه پلیتکنیک میلان و الگوریتم یادگیری ماشینی پیشنهاد شده توسط شرکت انگلیسی Quantinuum به دست آمد. دستاورد مذکور یکی از نخستین موارد نمایش ارتقای کوانتومی در انجام فعالیتهای هوش مصنوعی بهجای شبیهسازی است.
محققان با جداسازی مشارکت کوانتومی در فرایند طبقهبندی توانستند سناریوهای خاصی را شناسایی کنند که در آن سیستمهای کوانتومی برتری دارند.
نتایج آنها نهتنها پتانسیل پردازشگرهای کوانتومی فوتونیک را تأیید میکند، بلکه زمینهسازی برای شناسایی وظایف یادگیری ماشین است که پردازش کوانتومی حتی باوجود سختافزارهای محدود فعلی، میتواند در آنها تأثیر واقعی داشته باشد.
فیلیپ والتر، سرپرست پروژه از دانشگاه وین گفت: «ما دریافتیم که برای وظایف خاص، الگوریتم ما نسبت به معادل کلاسیک خود، خطاهای کمتری مرتکب میشود.»
مؤلف نخست پژوهش در این باره گفت: «این نشان میدهد که رایانههای کوانتومی موجود بدون اینکه لزوماً از فناوری پیشرفته موجود فراتر بروند، میتوانند عملکرد خوبی نشان دهند.»
