La capacità di elaborare i dati quantistici direttamente con un dispositivo quantistico (a destra) consente di risolvere aspetti del nostro universo esponenzialmente più velocemente rispetto a un classico intermedio (a sinistra). Questo potrebbe permetterci di scoprire nuovi fenomeni fisici che sarebbero stati praticamente invisibili senza tale tecnologia. Credito:Google Quantum AI Hook
Un team di ricercatori affiliati a diverse istituzioni negli Stati Uniti, tra cui Google Quantum AI, e un collega in Australia, hanno sviluppato una teoria che suggerisce che i computer quantistici dovrebbero essere esponenzialmente più veloci in alcune attività di apprendimento rispetto alle macchine classiche. Nel loro articolo pubblicato sulla rivista Scienza , il gruppo descrive la loro teoria e i risultati quando sono stati testati sul computer quantistico Sycamore di Google. Vedran Dunjko con Leiden University City ha pubblicato un articolo di Perspective nello stesso numero di rivista che delinea l'idea alla base della combinazione di calcolo quantistico e apprendimento automatico per fornire un nuovo livello di sistemi di apprendimento basati su computer.
L'apprendimento automatico è un sistema mediante il quale i computer addestrati con set di dati fanno ipotesi informate sui nuovi dati. E l'informatica quantistica implica l'uso di particelle subatomiche per rappresentare i qubit come mezzo per condurre applicazioni molte volte più velocemente di quanto sia possibile con i computer classici. In questo nuovo sforzo, i ricercatori hanno preso in considerazione l'idea di eseguire applicazioni di apprendimento automatico su computer quantistici, possibilmente rendendoli migliori nell'apprendimento e quindi più utili.
Per scoprire se l'idea potesse essere possibile e, cosa più importante, se i risultati fossero migliori di quelli ottenuti sui computer classici, i ricercatori hanno posto il problema in un modo nuovo:hanno ideato un compito di apprendimento automatico che avrebbe appreso attraverso esperimenti ripetuti molti volte. Hanno quindi sviluppato teorie che descrivono come un sistema quantistico potrebbe essere utilizzato per condurre tali esperimenti e per imparare da essi. Hanno scoperto di essere in grado di dimostrare che un computer quantistico poteva farlo e che poteva farlo molto meglio di un sistema classico. In effetti, hanno riscontrato una riduzione del numero richiesto di esperimenti necessari per apprendere un concetto inferiore di quattro ordini di grandezza rispetto ai sistemi classici. I ricercatori hanno quindi costruito un tale sistema e lo hanno testato sul computer quantistico Sycamore di Google e hanno confermato la loro teoria.
Il lavoro suggerisce che se un computer quantistico utilizzabile con parole reali fosse mai sviluppato, potrebbe essere in grado di appoggiare nuove cose su una scala quasi inimmaginabile. + Esplora ulteriormente
© 2022 Rete Science X
