Een team van onderzoekers verbonden aan meerdere instellingen in de VS, waaronder Google Quantum AI, en een collega in Australië, heeft een theorie ontwikkeld die suggereert dat kwantumcomputers exponentieel sneller zouden moeten zijn bij sommige leertaken dan klassieke machines. In hun paper gepubliceerd in het tijdschrift Science , beschrijft de groep hun theorie en resultaten bij het testen op de Sycamore-kwantumcomputer van Google. Vedran Dunjko van Leiden University City heeft een Perspective-artikel gepubliceerd in hetzelfde tijdschriftnummer waarin het idee wordt geschetst achter het combineren van kwantumcomputing met machine learning om een ​​nieuw niveau van computergebaseerde leersystemen te bieden.

Machine learning is een systeem waarbij computers die zijn getraind met datasets weloverwogen gissingen maken over nieuwe gegevens. En kwantumcomputing omvat het gebruik van subatomaire deeltjes om qubits weer te geven als middel om toepassingen vele malen sneller uit te voeren dan mogelijk is met klassieke computers. In deze nieuwe poging overwogen de onderzoekers het idee om machine learning-applicaties op kwantumcomputers uit te voeren, waardoor ze mogelijk beter leren en dus nuttiger worden.

Om erachter te komen of het idee mogelijk zou zijn, en nog belangrijker, of de resultaten beter zouden zijn dan die op klassieke computers, stelden de onderzoekers het probleem op een nieuwe manier:ze bedachten een machine learning-taak die zou leren via experimenten die vele malen herhaald werden. keer voorbij. Vervolgens ontwikkelden ze theorieën die beschrijven hoe een kwantumsysteem kan worden gebruikt om dergelijke experimenten uit te voeren en ervan te leren. Ze ontdekten dat ze konden bewijzen dat een kwantumcomputer het kon, en dat het veel beter kon dan een klassiek systeem. Ze ontdekten zelfs dat een vermindering van het vereiste aantal experimenten dat nodig was om een ​​concept te leren, vier ordes van grootte lager was dan voor klassieke systemen. De onderzoekers bouwden vervolgens zo'n systeem en testten het op de Sycamore-kwantumcomputer van Google en bevestigden hun theorie.

Het werk suggereert dat als er ooit een bruikbare, echte kwantumcomputer wordt ontwikkeld, deze in staat zou kunnen zijn om nieuwe dingen op een bijna onvoorstelbare schaal te gebruiken. + Verder verkennen

Verstrengeling ontgrendelt schaling voor kwantummachine learning

© 2022 Science X Network