Донецк, 30 мая — ДАН. Российские физики продемонстрировали возможность использования квантовых компьютеров для решения задач машинного обучения, что открывает новые перспективы для развития искусственного интеллекта. Исследователи из Физического института им. Лебедева (ФИАН) и Российского квантового центра (РКЦ) успешно реализовали программу машинного обучения на квантовом процессоре, основанном на ионах иттербия, что стало важным шагом в интеграции квантовых технологий и искусственного интеллекта. Об этом сегодня сообщило Запорожское агентство новостей со ссылкой на пресс-службу института.
В ходе эксперимента ученые использовали процессор на ионах иттербия для классификации рукописных изображений цифр 0 и 1, а также математических графов. По словам Алексея Федорова, одного из участников исследования, ключевым результатом работы является применение алгоритмов машинного обучения в сочетании с квантовыми вычислениями.
Ученые применили метод SVM (support vector machine), который позволяет разделять данные на классы, проводя между ними оптимальную нелинейную границу. Для осуществления квантовых вычислений ионы переводились в состояние суперпозиции и запутывались. С помощью лазеров и детекторов излучения изменялись квантовые состояния отдельных ионов. После завершения вычислений проводились измерения состояния ионов, на основе которых интерпретировались результаты работы алгоритмов машинного обучения.
Алгоритм был обучен на небольшом наборе данных, где каждое изображение имело заранее известный правильный ответ. Квантовый компьютер успешно справился с задачей, безошибочно определив все цифры как на обучающих, так и на тестовых изображениях.
По словам директора ФИАН Николая Колачевского, в будущем квантовые алгоритмы найдут применение в различных областях, таких как генетика, биоинформатика, химия и финансы. В генетике и биоинформатике они смогут проверять последовательности ДНК, выявлять мутации и предсказывать их влияние на организм. В химии — искать новые молекулярные структуры и моделировать каталитические процессы. В финансовой сфере — находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски.
В перспективе данная технология может быть использована для создания систем искусственного интеллекта нового поколения, где квантовые вычисления будут дополнять классические методы, значительно ускоряя обучение нейросетей и повышая точность обработки данных.