Ett team av forskare, inklusive Google Quantum AI, har utvecklat en ny teori. Enligt det, kvantum
Maskininlärning är ett system som använderdär datorer som är utbildade i datamängder gör välgrundade gissningar om ny data. Och kvantberäkning innebär användning av subatomära partiklar för att representera qubits som ett sätt att utföra uppgifter många gånger snabbare än vad som är möjligt med klassiska datorer. I en ny studie utforskade forskare idén om att köra maskininlärningsapplikationer på kvantmaskiner.
För att ta reda på om denna idé är genomförbar och detÄnnu viktigare, om resultaten skulle bli bättre än på klassiska datorer, skapade forskarna en maskininlärningsuppgift som skulle lära sig över upprepade experiment. De utvecklade sedan teorier som beskrev hur kvantsystemet kunde användas för att genomföra sådana experiment och lära av dem.
De bevisade att kvantdatorn inte bara ärklarar, men utför också uppgifter mycket bättre än det klassiska systemet. Faktum är att forskarna fann att antalet experiment som behövdes för att utforska konceptet minskade med fyra storleksordningar jämfört med klassiska system. Forskarna byggde sedan ett sådant system och testade det på Googles kvantdator Sycamore, vilket bekräftade deras teori.
Läs mer
Elon Musks Noaks ark kommer att ta en miljon människor till Mars
Astronomer från Japan har hittat en okänd struktur i galaxen
Saber av okänt ursprung hittades i Grekland. Forskare förbryllade över en märklig artefakt