Kvantno računalo ponovno je nadmašilo konvencionalno. Ali u strojnom učenju

Tim istraživača, uključujući Google Quantum AI, razvio je novu teoriju. Prema njemu, kvantni

računala moraju biti eksponencijalno bržau nekim zadacima učenja od klasičnih strojeva. U članku objavljenom u časopisu Science znanstvenici su opisali svoju teoriju i izvijestili o rezultatima testiranja na kvantnom računalu Google Sycamore. Vedran Dunko sa Leiden University Cityja objavio je članak Perspective u istom broju časopisa, u kojem je iznio ideju kombiniranja kvantnog računalstva sa strojnim učenjem kako bi se osigurala nova razina računalnih sustava učenja.

Strojno učenje je sustav koji koristiu kojem računala uvježbana na skupovima podataka obrazovano nagađaju o novim podacima. A kvantno računalstvo uključuje upotrebu subatomskih čestica za predstavljanje kubita kao sredstva za izvršavanje zadataka mnogo puta brže nego što je to moguće s klasičnim računalima. U novoj studiji znanstvenici su istražili ideju pokretanja aplikacija strojnog učenja na kvantnim strojevima.

Da saznamo je li ta ideja izvediva i toŠto je još važnije, hoće li rezultati biti bolji nego na klasičnim računalima, istraživači su stvorili zadatak strojnog učenja koji bi učio tijekom ponovljenih eksperimenata. Zatim su razvili teorije koje opisuju kako se kvantni sustav može koristiti za provođenje takvih eksperimenata i učenje iz njih.

Dokazali su da kvantno računalo nije samosnalazi se, ali i izvršava zadatke puno bolje od klasičnog sustava. Zapravo, znanstvenici su otkrili da je broj eksperimenata potrebnih za istraživanje koncepta smanjen za četiri reda veličine u usporedbi s klasičnim sustavima. Istraživači su potom izgradili takav sustav i testirali ga na kvantnom računalu Google Sycamore, potvrdivši njihovu teoriju.

Čitaj više

Noina arka Elona Muska odvest će milijun ljudi na Mars

Astronomi iz Japana pronašli su nepoznatu strukturu u galaksiji

Sablja nepoznatog porijekla pronađena u Grčkoj. Znanstvenici su zbunjeni čudnim artefaktom