Сотрудники Физического института имени П. Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) впервые в нашей стране продемонстрировали возможность решения прикладных задач на квантовом компьютере с использованием алгоритмов машинного обучения. В демонстрации был задействован процессор на основе ионов иттербия (Yb+), с помощью которого учёные разделили написанные от руки изображения нуля и единицы.
«На данный момент важный вызов — это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результатов нашей работы — применение этих алгоритмов в сочетании с технологией машинного обучения», — рассказал один из участников исследования, научный руководитель группы «Квантовые информационные технологии» РКЦ Алексей Федоров.
При этом авторы проекта утверждают, что подобные эксперименты нельзя назвать чем-то сверхъестественным, они проводились и ранее. Оригинальным является подход российских учёных, которые сравнили различные способы кодирования данных в квантовые состояния и определили наиболее эффективный вариант.
В ходе работы специалисты использовали квантовые цепи, представляющие собой один из методов реализации алгоритмов для снижения числа шумных операций и повышения качества вычислений. Искусственный интеллект обучался на крайне малом наборе данных, где каждое изображение имело правильный ответ: единица или ноль. Это помогло квантовому компьютеру правильно определить все тестовые картинки, что в свою очередь доказало — даже небольшие и маломощные компьютеры подобного типа могут решать прикладные задачи с использованием искусственного интеллекта.
В будущем, как считает директор ФИАН Николай Колачевский, такие «навыки» можно, например, использовать в медицине, чтобы анализировать рентгеновские снимки, данные МРТ и КТ.
«В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски», — пояснил Николай Колачевский.
Кроме того, подобная технология станет дополнением при разработке систем искусственного интеллекта, когда алгоритмы машинного обучения тесно связаны с классическими методами.