В журнале Science опубликована статья, описывающая разработку группой исследователей, куда входили сотрудники Google Quantum AI, новой теории, согласно которой квантовые компьютеры должны быть гораздо быстрее в некоторых задачах обучения, чем классические машины.
Машинное обучение – это способ, с помощью которого компьютеры, получающие наборы данных, делают обоснованные предположения о новых данных. А квантовые вычисления подразумевают использование субатомных частиц, представляющих собой кубиты, для выполнения задач во много раз быстрее, чем это возможно с помощью классических компьютеров. В новом исследовании ученые применили идеи машинного обучения к квантовым компьютерам.
Чтобы выяснить, осуществима ли эта идея и, что более важно, будут ли результаты лучше, чем на классических компьютерах, исследователи создали задачу машинного обучения, которая будет обучаться в ходе повторяющихся экспериментов. Затем они разработали теорию, описывающую, как квантовая система может быть использована для проведения таких экспериментов и обучения на их основе.
Они обнаружили, что квантовый компьютер не только справляется, но и выполняет задачи гораздо эффективнее, чем классическая система. Эксперты обнаружили, что количество экспериментов, необходимых для изучения концепции, сократилось на четыре порядка по сравнению с классическими системами. Затем они создали такую систему и успешно протестировали ее на квантовом компьютере Sycamore компании Google, что подтвердило их правоту.
