Российские ученые объединили квантовые технологии с машинным обучением

Впервые российские физики из Физического института имени П. Н. Лебедева Российской академии наук (ФИАН) совместно с коллегами из Российского квантового центра (РКЦ) продемонстрировали практическое применение квантового компьютера для выполнения задач машинного обучения, сообщает издание ТАСС. Уникальность эксперимента заключалась в том, что исследователи успешно применили квантовый процессор на основе ионов иттербия (Yb⁺) для классификации визуальных данных и анализа математических структур.

Команда ученых реализовала квантовый алгоритм, способный различать изображения, изображающие цифры 0 и 1, написанные от руки, а также определенные математические объекты — графы. По словам научного руководителя направления «Квантовые информационные технологии» в РКЦ Алексея Федорова, ключевым достижением проекта стало применение алгоритмов машинного обучения, адаптированных под архитектуру квантового процессора. Он подчеркнул, что хотя аналогичные опыты проводились и в других странах, российские специалисты предложили оригинальный метод кодирования данных в квантовые состояния и провели сравнение различных подходов, определив наиболее эффективный.

Исследователи использовали квантовые цепи, которые позволяют снизить количество шумных операций — одного из основных факторов, мешающих точности квантовых вычислений. Благодаря этому удалось улучшить производительность квантовой модели. Алгоритм проходил обучение на небольшом наборе изображений, каждая из которых уже имела заданную классификацию — ноль или единица. После завершения обучения система успешно распознала все изображения как в тренировочном, так и в тестовом наборе. Это, как отметили ученые, свидетельствует о том, что даже современные, сравнительно маломощные квантовые процессоры уже способны решать прикладные задачи, связанные с обработкой визуальных данных.

Директор ФИАН Николай Колачевский отметил, что разработанная технология квантовой классификации в будущем найдет широкое применение в различных сферах. В частности, он указал на перспективы внедрения в медицине, где квантовые методы анализа изображений могут ускорить диагностику заболеваний, используя данные рентгеновских снимков, МРТ и КТ. Также в области генетики и биоинформатики квантовые алгоритмы смогут анализировать ДНК-последовательности, определяя мутации и оценивая их потенциальное воздействие. В химической промышленности появится возможность моделирования сложных молекулярных взаимодействий и поиска новых веществ, а в финансовом секторе — анализировать сложные корреляции в больших объемах данных, оптимизируя прогнозирование и снижая потенциальные риски.

В заключение, ученые отметили, что квантовые вычисления способны в будущем существенно расширить возможности систем искусственного интеллекта. За счет повышения скорости обработки данных и качества обучения нейросетей, квантовые технологии станут важным дополнением к существующим подходам в ИИ.