Квантовый ИИ: 3 фотона делают то, на что у NVIDIA уходят мегаватты
NewsMakerУчёные впервые применили выборку бозонов для практической задачи.
Ученые впервые показали, что метод квантовой выборки бозонов, который раньше считался в основном теоретическим инструментом, может применяться на практике. Команда исследователей из Института науки и технологий Окинавы (OIST) разработала систему распознавания изображений, основанную на квантовой интерференции частиц света. Их работа, опубликованная в журнале Optica Quantum, может стать поворотным моментом для создания энергоэффективных систем квантового ИИ.
Метод основан на явлении, при котором фотоны — частицы света, относящиеся к бозонам — проходят через оптическую схему и создают сложные интерференционные картины. Эти паттерны крайне трудно предсказать с помощью классических вычислений. В отличие от привычных моделей машинного обучения , здесь важную роль играет само квантовое поведение света.
Исследователи использовали всего три фотона и оптическую сеть, чтобы преобразовать закодированную информацию об изображениях в высокоразмерное квантовое состояние. На вход система получала упрощённые изображения в градациях серого, которые предварительно обрабатывались с помощью метода главных компонент, чтобы выделить основные характеристики. Эти данные затем передавались в квантовую систему, где фотоны создавали уникальное распределение вероятностей на выходе. Далее полученный квантовый сигнал обрабатывался простым линейным классификатором.
Несмотря на кажущуюся сложность, модель оказалась удивительно компактной. Единственным обучаемым элементом выступал финальный классификатор, тогда как сами квантовые компоненты оставались универсальными. Это позволило системе эффективно распознавать изображения из разных наборов данных без дополнительной настройки.
По словам одного из авторов исследования, доктора Акитады Сакураи, такой подход упрощает использование квантовых моделей и открывает путь к новым приложениям. Его коллега, профессор Уильям Манро, отметил, что устойчивость метода к разным типам изображений делает его особенно перспективным в реальных задачах.
Исследование демонстрирует, что даже с ограниченным количеством фотонов можно достигать впечатляющих результатов в области распознавания образов. Авторы подчеркивают, что их система не является универсальным решением всех вычислительных задач, но уже сейчас она показывает значительный прогресс в области квантового ИИ и может стать основой для более масштабных и мощных моделей в будущем.
Ученые впервые показали, что метод квантовой выборки бозонов, который раньше считался в основном теоретическим инструментом, может применяться на практике. Команда исследователей из Института науки и технологий Окинавы (OIST) разработала систему распознавания изображений, основанную на квантовой интерференции частиц света. Их работа, опубликованная в журнале Optica Quantum, может стать поворотным моментом для создания энергоэффективных систем квантового ИИ.
Метод основан на явлении, при котором фотоны — частицы света, относящиеся к бозонам — проходят через оптическую схему и создают сложные интерференционные картины. Эти паттерны крайне трудно предсказать с помощью классических вычислений. В отличие от привычных моделей машинного обучения , здесь важную роль играет само квантовое поведение света.
Исследователи использовали всего три фотона и оптическую сеть, чтобы преобразовать закодированную информацию об изображениях в высокоразмерное квантовое состояние. На вход система получала упрощённые изображения в градациях серого, которые предварительно обрабатывались с помощью метода главных компонент, чтобы выделить основные характеристики. Эти данные затем передавались в квантовую систему, где фотоны создавали уникальное распределение вероятностей на выходе. Далее полученный квантовый сигнал обрабатывался простым линейным классификатором.
Несмотря на кажущуюся сложность, модель оказалась удивительно компактной. Единственным обучаемым элементом выступал финальный классификатор, тогда как сами квантовые компоненты оставались универсальными. Это позволило системе эффективно распознавать изображения из разных наборов данных без дополнительной настройки.
По словам одного из авторов исследования, доктора Акитады Сакураи, такой подход упрощает использование квантовых моделей и открывает путь к новым приложениям. Его коллега, профессор Уильям Манро, отметил, что устойчивость метода к разным типам изображений делает его особенно перспективным в реальных задачах.
Исследование демонстрирует, что даже с ограниченным количеством фотонов можно достигать впечатляющих результатов в области распознавания образов. Авторы подчеркивают, что их система не является универсальным решением всех вычислительных задач, но уже сейчас она показывает значительный прогресс в области квантового ИИ и может стать основой для более масштабных и мощных моделей в будущем.