Российские учёные впервые продемонстрировали интеграцию квантовых вычислений и алгоритмов машинного обучения при решении прикладных задач. Исследование провели специалисты Физического института имени П. Н. Лебедева РАН совместно с учёными Российского квантового центра. Как сообщили в пресс-службе ФИАН, в ходе эксперимента использовался квантовый процессор на основе ионов иттербия, с помощью которого удалось классифицировать изображения, включая рукописные цифры и графовые структуры.
По словам научного руководителя направления «Квантовые информационные технологии» Алексея Федорова, цель исследования заключалась в проверке работоспособности квантовых алгоритмов в прикладном контексте. Особое внимание было уделено выбору способа кодирования информации в квантовые состояния. Российские специалисты провели сравнительный анализ нескольких методов и определили наиболее эффективный, что позволило существенно повысить точность вычислений. Отмечается, что аналогичные опыты предпринимались ранее, однако предложенный в России подход отличался новизной и практической значимостью.
Во время эксперимента исследователи использовали так называемые квантовые цепи, что позволило сократить количество шумов и улучшить стабильность вычислений. Алгоритм проходил обучение на ограниченном наборе изображений, каждая из которых уже имела метку правильного ответа. Тестирование показало, что даже с небольшим числом кубитов квантовый процессор способен точно классифицировать визуальные данные. Таким образом, была продемонстрирована реальная применимость технологии для задач, связанных с распознаванием образов.
Как отметил директор ФИАН Николай Колачевский, подобная технология может найти широкое применение в различных областях. В медицине квантовые алгоритмы смогут участвовать в анализе снимков, полученных с помощью КТ, МРТ и рентгена, позволяя быстрее и точнее выявлять патологии. В генетике и биоинформатике квантовые методы будут использоваться для анализа ДНК и предсказания последствий мутаций. В химической отрасли технология окажется полезной для моделирования сложных молекулярных соединений и катализаторов, а в экономике — для распознавания скрытых закономерностей в финансовых данных, что может улучшить прогнозирование и повысить устойчивость инвестиций.
По оценке экспертов, в будущем квантовые вычисления будут активно интегрироваться в системы искусственного интеллекта, ускоряя процессы обучения нейросетей и увеличивая точность анализа информации. Исследование стало важным шагом на пути к практическому использованию квантовых технологий в сочетании с методами машинного обучения.
