СМИ о нас
| 07.04.25 | 01.04.2025 Комсомольская правда. Россия совершила прорыв в гонке квантовых компьютеров, отыграв отставание в 20 лет |
В результате реализации дорожной карты по квантовым вычислениям под эгидой Госкорпорации «Росатом», мы пришли в концу 24-го года, занимая уверенную позицию в мире
Фото: Shutterstock.
В конце 2024 года российские ученые создали 50-кубитный ионный квантовый компьютер (кубит - квантовый бит, основная единица информации в квантовых вычислениях). Это настоящий научный прорыв, учитывая, что еще совсем недавно в области квантовых вычислений у России не было особых достижений. О том, как удалось добиться такого успеха, мы поговорили с директором Физического института имени П.Н. Лебедева Российской академии наук (ФИАН) членом-корреспондентом РАН Николаем Колачевским, сотрудники которого принимали участие в разработке чудо-машины.
МЕСТО НА ПЬЕДЕСТАЛЕ
- Николай Николаевич, правда ли, что нам удалось отыграть отставание от лидеров квантовой гонки, которое, по некоторым оценкам, было порядка 20 лет?
- Давайте вернемся в 2020 год, когда под руководством Росатома стартовала дорожная карта “Квантовые вычисления”, и посмотрим, что было у нас и у мировых лидеров. Только считать фору будем не в годах, а в технологиях. За рубежом весьма успешные работы велись по сверхпроводящим платформам (квантовые компьютеры разрабатываются на 4 платформах: сверхпроводящей, атомной, ионной и фотонной - Ред). За этими исследованиями стояли такие гиганты как Google и IBM - то есть дело было поднято на серьёзный уровень. И по ионной платформе работали две очень сильные группы. Это австрийская команда Райнера Блатта - родоначальники ионных квантовых вычислений. У них уже был 20-кубитник с неплохими характеристиками, и образцы внелабораторных систем в “коробочном” исполнении, которые можно было уже выводить на рынок. Вторая группа — это американцы из команды Кристофера Монро, последователи лучших квантовых традиций Нобелевского лауреата Дэйва Уайнленда. Они тоже к этому моменту демонстрировали квантовый компьютер мощностью в десятки кубит.
- А что было у нас?
- На всю Российскую Федерацию, был проект Фонда перспективных исследований, который, по-моему, завершился демонстрацией двух кубитов на сверхпроводниках. Я бы сказал, что это был успешный проект, потому что Россия стартовала вообще с нуля. В результате реализации дорожной карты по квантовым вычислениям под эгидой Госкорпорации «Росатом», мы пришли в концу 24-го года, занимая уверенную позицию в мире.
Да, по сверхпроводящей платформе пока нам до лидеров все-таки далеко. Мир уже ушел в сотни кубитов. Хотя надо сказать, что кубиты, как выясняется, не главное свойство квантовых компьютеров, важно качество операций и возможность коррекции ошибок. А в ионной платформе мы заняли вполне достойное место, напрямую конкурируя по характеристикам с той самой группой Райнера Блатта. Это обнадеживает, потому что мы за короткое время смогли выйти, скажем так, во второй эшелон квантовых лидеров. Да, это второе место, мы его делим с группой других стран, но это место на пьедестале почета.
- До первого места нам еще далеко?
- Американцы уже перешли на чип-системы, на манипулирование отдельными цепочками из ионов. Их процессор H2 - это практически шедевр микрофабрикации, совмещенный с квантовыми технологиями. Чтобы нам достичь такой технологии в ближайшие 5 лет надо очень-очень сильно напрягаться, подключать лучшие технологические площадки в России. Иными словами, отрыв существует и есть опасение, что в какой-то момент он может оказаться невосполнимым. Как это уже произошло в период развития классической микроэлектроники. Но пока я, скорее оптимист, чем пессимист.
Россия совершила прорыв в гонке квантовых компьютеров
Фото: Shutterstock.
ОТЕЧЕСТВЕННЫЙ СМАРТФОН - ЭТО НЕСБЫТОЧНАЯ МЕЧТА?
- А в классической микроэлектронике мы это отставание сможем отыграть?
- Я вам, что называется, не скажу за всю Одессу. Наверное, будет правильно разделять микроэлектронику на два больших семейства. Первое - это процессоры с топологией порядка 60-120 нанометров, которые покрывают большинство прикладных задач. Здесь я настроен скорее позитивно.
А есть чипы существенно меньшей топологии: 30 нанометров, 12 нанометров и даже порядка 5и нанометров - это просто другая область микроэлектроники, она используется для смартфонов, суперкомпьютеров, для организации мощных вычислений. И мне кажется, что в ближайшие годы нам просто не надо на этом зацикливаться. Дело в том, что подобные задачи нужно решать под глобальные рынки. Если создавать чрезвычайно дорогостоящую фабрику, например, для производства 10-нанометровых процессоров, тогда надо производить их сотнями тысяч и более. И кто-то должен их покупать, чтобы фабрика функционировала. Иначе весь этот проект с экономической точки зрения становится фантастически убыточным. Кажется, что стране не надо сегодня в эту тематику кидаться с головой и тратить гигантские ресурсы. Причем может оказаться, что возникнет какое-нибудь “бутылочное горлышко”, например, сложности с созданием фоторезиста или синтеза одного из сотен сверхчистых материалов. В 80-е годы уже был прецедент с программой “Звездных войн”, когда мы ввязались в гонку технологий и переоценили свои возможности. Кончилось все это весьма плохо.
- Значит, создание отечественного смартфона — это несбыточная мечта?
- Полностью суверенный отечественный смартфон в обозримой перспективе - да, скорее всего, это утопия. Причем, не только для нашей - практически для любой страны. Мы же должны понимать, что если разобрать смартфон на детали: процессор, камера, оптика, экран, конденсаторы, источники питания, многослойная печать плат и так далее, то мы увидим, что все это делается в разных частях планеты. Можно по-разному объяснять, чем был вызван развал во время Перестройки, но сейчас у нас в микроэлектронике не так много чего есть в части разнообразия серийных продуктов, начиная от резисторов и кончая интегральными схемами. Нам надо многое восстанавливать, причем на современном уровне. Если мы изготавливаем хороший процессор, его надо много чем обвязывать. Возможно, это несколько больно осознавать, но без отечественного смартфона, как ни странно, можно прожить. А если посмотреть шире - на оборонные задачи, поддержание энергонезависимости, судоходство, кораблестроение, самолётостроение, навигация… Там эти сверхскоростные стандарты не очень-то нужны. И здесь мы качественные решения обеспечиваем и сможем обеспечить в дальнейшем. Сейчас в России интенсивно идет освоение топологии 90 нм, создание аппаратуры изготовления микросхем, источников излучения, литографов, синтез новых материалов.
КИТАЙСКАЯ СИСТЕМА ПЕРЕХВАТА НАУЧНЫХ ЗНАНИЙ
- Мы же не первые отстаём от лидеров. Почему Китай сумел воспользоваться западными технологиями и сам стал лидером, а у нас как-то не очень получается?
- Китайцам можно поставить памятник за их систему перехвата научных знаний и технологий. Они высаживали большие десанты в ведущих научных центрах Америки и Европы. Китайские студенты массово осваивали передовое знание, а потом большая часть этого десанта вернулась на родину и была интегрирована в китайскую науку, причем на очень хорошие позиции с возможностью воплощать приобретенные знания и навыки. Мы тоже стараемся двигаться в этом направлении, но у нас нет ни китайской массовости, ни китайской настойчивости и последовательности. В массовости мы проигрываем по объективным причинам, у нас людские ресурсы ограничены. А с настойчивостью и последовательностью… Китайцы умеют сохранять такое традиционное вековое спокойствие и нацеленность на результат. Они не гении, далеко не везде всех опережают, но сумели создать несколько мощных прорывных центров и поступательно двигаются вперед, создавая все более и более сложные системы. Нам в этом смысле сложнее, у нас если проект через 5 лет не дал каких-то блестящих результатов, то велик риск, что мы пустим его под нож и побежим куда-то дальше в другом направлении. А потом с удивлением оглядываемся: мы много чего начинали, но до ума толком не довели. Затем эта “брошенная” технология всплывает где-то за рубежом, и мы тратим огромные ресурсы, чтобы приземлить у себя собственную же разработку.
ЗАЧЕМ УЧЕНЫЕ ИЗОБРЕТАЮТ ВЕЛОСИПЕД?
- У нас в последнее время развиваются реверсивные технологии, когда мы на фоне санкций заново переоткрываем для себя, то что уже изобрели на Западе. Например, в МФТИ создают электрический ракетный двигатель для малых спутников на основе разработки 80-х годов. Тогда проект законсервировали из-за отсутствия нужных технологий, а потом его реализовали за границей. Говорят, когда ты повторяешь кого-то - ты отстаёшь. Нынешняя ситуация, когда мы в той или иной области заново изобретаем велосипед - это шаг вперед или все-таки топтание на месте?
- Конечно, этот шаг вперед! У нас почему-то популярны такие разговоры: а зачем эти промежуточные шаги? Давайте сразу прыгнем в дамки, срежем угол и обойдем всех на повороте. Да, иногда так получается. Кстати, квантовые вычисления это одна из таких попыток перепрыгнуть сразу через 5 полей. Но вообще-то, “конь так не ходит”. Пока ты не освоил большинство промежуточных шагов, не понял, как оно работает - очень маловероятно, что ты сразу получишь блестящий результат. Конечно, иногда я вижу печаль в глазах у сотрудников Института, которым приходится от высоких передовых идей переходить к практическим приложениям.
- Это затормаживает полет научной мысли?
- В какой-то степени, да. Но, с другой стороны, вспоминаю академика Виталия Лазаревича Гинзбурга, которому прикладные задачи оборонного характера не помешали получить Сталинские, Ленинские и Нобелевскую премии за фундаментальные достижения в науке. Вернее, мешали, но не принципиально. Поэтому в реверсе технологий я большой угрозы для науки не вижу. Мы же стараемся реверсировать вещи, которых у нас в стране просто нет.
Скорее, существует угроза другого характера. Сейчас многие обсуждают, что если вдруг снимут санкции и мы вернемся обратно, скажем, в 2013-й год, то это один из самых плохих сценариев. Потому что в обеспечение технологического суверенитета страной уже вложены существенные ресурсы, они распланированы до 2030 года и дальше. Да, есть какие-то реверсные истории, но мы много развиваем своих идей. Строятся заводы, отлаживаются технологические цепочки. Если все это сейчас на полдороге бросить и опять начать массово покупать китайское, японское, американское, европейское, то это будет очень неэффективная трата ресурсов, которые уже вложены за последние несколько лет. Тогда в плане развития суверенитета, человеческого и технологического капитала, мы больше потеряем, чем приобретем. И именно здесь очень востребована настойчивость, последовательность и выдержка, как в науке, так и в государственной политике.
| 18.06.25 | 30.05.2025 ОТР. Российские ученые одними из первых применили ИИ на квантовом компьютере |
Yoshio Tsunoda/AFLO/Global Look Press
Ученые из Физического института имени Лебедева РАН (ФИАН) и Российского квантового центра использовали алгоритмы машинного обучения при работе на квантовом компьютере. О прорыве исследователей сообщил ТАСС со ссылкой на отдел по связям с общественностью ФИАН.
Россияне использовали небольшой квантовый процессор и загрузили изображения с написанными от руки цифрами – нулем или единицей. Проанализировав данные, компьютер научился безошибочно различать цифры.
Ученые подчеркнули, что пока новая технология подходит для решения небольших задач, однако объединение ИИ и мощи квантовых компьютеров имеет большой потенциал. Такие алгоритмы позволят анализировать ДНК, моделировать сложные химические процессы и даже прогнозировать изменения на финансовых рынках.
Ранее ученые из РФ вместе с зарубежными коллегами опровергли доказательство существования «новой физики».
| 18.06.25 | 31.05.2025 Телеграм-канал Время - вперёд. Российские физики впервые совместили квантовый компьютер и машинное обучение |
Исследователи из Физического института имени Лебедева РАН и Российского квантового центра одними из первых в мире продемонстрировали решение прикладных задач на квантовом компьютере с применением алгоритмов машинного обучения. Ученые использовали процессор на основе ионов иттербия (Yb+) и разделили с его помощью написанные от руки изображения нуля и единицы, а также математических объектов — графов.
Подобные эксперименты проводили и ранее, но предложенный подход отличается своей оригинальностью. В частности, ученые сравнили различные способы кодирования данных в квантовые состояния и определили наиболее эффективный вариант.
В процессе работы исследователи экспериментировали с квантовыми цепями (один из способов реализации алгоритмов, который уменьшает количество шумных операций), что помогло улучшить качество вычислений. Алгоритм «обучался» на маленьком наборе данных, где каждое изображение уже имело правильный ответ (нуль или единица). В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках. Таким образом было показано, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие как классификация изображений. Это большой шаг к будущему, где квантовые процессоры будут выполнять более сложные вычисления.
В будущем технология найдет применение в создании систем искусственного интеллекта, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных.
Источник: ФИАН
| 02.06.25 | 30.05.2025 Hi-Tech Mail. Российские ученые запустили машинное обучение на квантовом компьютере |
Эксперимент физиков показал, что квантовые процессоры могут эффективно решать задачи классификации, используя адаптированные алгоритмы машинного обучения. Рассказываем, что делали отечественные ученые и к каким выводам они пришли.
Компактные квантовые процессоры могут эффективно решать задачи классификации, используя адаптированные алгоритмы машинного обучения.
Источник: наука.рф
Ученые из Физического института имени П. Н. Лебедева РАН и Российского квантового центра продемонстрировали пример практического применения квантовых компьютеров. В эксперименте использовали процессор на основе ионов иттербия (Yb+). С его помощью специалисты успешно классифицировали написанные от руки изображения нуля и единицы, а также математические объекты — графы. Чтобы добиться цели, ученые задействовали алгоритмы машинного обучения, адаптированные для квантового процессора, говорится на официальном сайте Десятилетия науки и технологий в России.
В своем исследовании эксперты применили алгоритм SVM, известный своим эффективным решением задач классификации. Этот метод позволяет разделить данные на классы, проводя оптимальную границу разделения, которая наилучшим образом отделяет одну группу данных от другой. Ключевой этап обработки — сравнение образцов данных — осуществлялся непосредственно на квантовом процессоре. Это обеспечило высокую эффективность анализа сложных изображений.
Квантовый компьютер будущего в представлении нейросети.
Источник: Kandinsky 3.1
«Для перевода ионов в квантовое состояние мы создавали суперпозиции и проводили операции запутывания кубитов. Квантовые состояния отдельных ионов изменялись с помощью лазеров и детекторов излучения. По завершении вычислений измерялось состояние иона, и на основе этих данных интерпретировались результаты работы алгоритмов машинного обучения», — комментирует процесс квантовых вычислений один из участников исследования, научный руководитель группы «Квантовые информационные технологии» РКЦ Алексей Федоров.
Аналогичные эксперименты ранее уже проводились, но предложенная российскими учеными методика выделяется своей уникальностью. В частности, специалисты проанализировали разные подходы к преобразованию классических данных в квантовые состояния и выделили оптимальный способ кодировки. В ходе работы эксперты экспериментировали с квантовыми цепями, что положительно сказалось на точности вычислений.
Таким образом, российские физики продемонстрировали, что даже компактные квантовые процессоры способны справляться с несложными, но важными задачами, включая распознавание и сортировку изображений. Это значительный прогресс на пути к будущему, в котором квантовые процессоры смогут осуществлять гораздо более сложные расчеты.
| 02.06.25 | 30.05.2025 Наука.рф. Российские физики запустили машинное обучение на квантовом компьютере |
Одно из первых в мире решений прикладных задач с помощью квантового компьютера продемонстрировали ученые Физического института имени П. Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ). В ходе эксперимента они использовали процессор на основе ионов иттербия (Yb+) и разделили с его помощью написанные от руки изображения нуля и единицы, а также математических объектов — графов, сообщила пресс-лужба ФИАН.
Для достижения цели были задействованы алгоритмы машинного обучения, реализованные на квантовом процессоре.
«Такие технологии активно развивают во всех ведущих странах. На данный момент важный вызов — это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результат нашей работы — применение этих алгоритмов в сочетании с технологией машинного обучения», — рассказал один из участников исследования, научный руководитель группы «Квантовые информационные технологии» РКЦ Алексей Федоров.
По его словам, подобные эксперименты проводили и ранее, но предложенный российскими специалистами подход отличается своей оригинальностью. В частности, ученые сравнили различные способы кодирования данных в квантовые состояния и определили наиболее эффективный вариант.
В работе ученые использовали метод SVM (support vector machine) — это популярный для задач классификации метод машинного обучения. Он помогает разделять данные на классы посредством проведенной между ними наиболее оптимальным образом нелинейной границы. «Ядерную часть» алгоритма (сравнение данных) выполняли на квантовом процессоре. Это позволило эффективно обрабатывать даже сложные изображения.
«Для перевода ионов в квантовое состояние мы создавали суперпозиции и проводили операции запутывания кубитов. Квантовые состояния отдельных ионов изменялись с помощью лазеров и детекторов излучения. По завершении вычислений измерялось состояние иона, и на основе этих данных интерпретировались результаты работы алгоритмов машинного обучения», — описал процесс квантовых вычислений Алексей Федоров.
В процессе работы ученые экспериментировали с квантовыми цепями (один из способов реализации алгоритмов, который уменьшает количество шумных операций), что помогло улучшить качество вычислений. Алгоритм «обучался» на маленьком наборе данных, где каждое изображение уже имело правильный ответ (нуль или единица). В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках, то есть справился с задачей без ошибок.
Ученые показали, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие как классификация изображений. Это большой шаг к будущему, где квантовые процессоры будут выполнять более сложные вычисления. По словам директора ФИАН Николая Колачевского, в дальнейшем по мере развития подобная технология квантовой классификации сможет применяться для множества практических задач. Например, в медицине ее можно использовать для автоматического анализа рентгеновских снимков и данных МРТ и КТ, что поможет оперативно диагностировать заболевания.
«В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Вместе с тем химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В то же время в финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски», — пояснил Николай Колачевский.
В будущем данная технология найдет применение в создании систем искусственного интеллекта, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных.
Результаты научной работы опубликованы в Physical Review A.
https://наука.рф/news/rossiyskie-fiziki-zapustili-mashinnoe-obuchenie-na-kvantovom-kompyutere-/
| 02.06.25 | 30.05.2025 Комсомольская правда. Мир захватила ИИ-лихорадка: но квантовый компьютер наших физиков может все изменить и открыть новую эру |
Создание квантовых компьютеров, способных работать не на лабораторном столе, а в реальной жизни – ключевая задача, над которой бьются физики и инженеры всего мира.
Фото: Shutterstock.
Создание квантовых компьютеров, способных работать не на лабораторном столе, а в реальной жизни – ключевая задача, над которой бьются физики и инженеры всего мира. В Физическом институте Академии Наук им. Лебедева ученым впервые удалось скрестить квантовый компьютер и машинное обучение. Это открывает дверь в принципиально новую эпоху: эпоху ИИ на квантовых компьютерах. Статья опубликована в международном журнале Physical Review.
О ЧЕМ РЕЧЬ
В обычном компьютере всю работу выполняют электроны, которые движутся по проводам, а также пересекают барьеры в полупроводниковых элементах. Скорость движения электронов далека от скорости света, к тому же плотная упаковка микросхем в современных компьютерах приближает применение электронов к физическому пределу, после которого электрон уже перестанет работать, поскольку микросхемы станут для него слишком «мелкими», и он перестанет их замечать.
Концепция квантового компьютера проста и красива: а что, если вместо электронов использовать фотоны, то есть кванты света? Они перемещаются с максимально допустимой во Вселенной скоростью, скоростью света, и это в перспективе обещает создание машин с потрясающей производительностью.
К сожалению, не все так просто. Велики технические сложности. Так, «вычислительные ячейки» (кубиты) эффективно работают при температурах около абсолютного нуля, что превращает квантовый компьютер в энергоемкую махину. Не преодолены пока и некоторые фундаментальные ограничения: похоже, квантовые компьютеры успешно справляются с очень сложными задачами, где нужна почти человеческая «интуиция», но пасуют перед простыми математическими расчетами.
Тем временем мир захватила ИИ-лихорадка, и в ее основе, помимо алгоритмов – кремниевые чипы. Если квантовый компьютер сможет показать, что и он в состоянии быть объектом машинного обучения, это без преувеличений откроет новую эру. И вот – потрясающий результат российских физиков.
ОТЛИЧАТЬ ЦИФРУ ОТ ЦИФРЫ
Исследователи из Физического института имени П.Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) одни из первых в мире продемонстрировали решение прикладных задач на квантовом компьютере. Для своих экспериментом они использовали процессор на основе ионов иттербия (Yb+). Суть опыта заключалась в том, что квантовый компьютер научили различать написанные от руки цифры, нуль и единицу, а также математические объекты – графы. Эта задача является классической, и именно на ней натаскивают алгоритмы распознавания образов. Для достижения цели были задействованы алгоритмы машинного обучения, реализованные на квантовом процессоре.
- Такие технологии активно развивают во всех ведущих странах. На данный момент важный вызов – это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результат нашей работы – применение этих алгоритмов в сочетании с технологией машинного обучения, – говорит научный руководитель группы «Квантовые информационные технологии» РКЦ Алексей Федоров.
Нельзя сказать, что никто не пытался сделать этого ранее. Но результат был так себе – именно поэтому мы не слышим на каждом углу про машинное обучение квантовых компьютеров. Россияне применили новый, оригинальный подход. Так, они задействовали метод SVM (support vector machine). Его суть заключается в том, что машина учится устанавливать как бы границу между образами: вот это одна цифра, вот это другая. Именно так работает наш мозг, что позволяет нам узнавать цифру и букву, написанную пусть строго, пусть дизайнерски, и даже читать почерк врачей. «Ядерную часть» алгоритма (сравнение данных) выполняли на квантовом процессоре. Это позволило эффективно обрабатывать даже сложные изображения.
ЖУТКОЕ ДАЛЬНОДЕЙСТВИЕ В ДЕЛЕ
- Для перевода ионов (рабочий материал кубита – КП) в квантовое состояние мы создавали суперпозиции и проводили операции запутывания кубитов. Квантовые состояния отдельных ионов изменялись с помощью лазеров и детекторов излучения. По завершении вычислений измерялось состояние иона, и на основе этих данных интерпретировались результаты работы алгоритмов машинного обучения, – говорит Алексей Федоров.
Запутанность – особое состояние, теоретически открытое еще на заре квантовой механики и названное Эйнштейном «жутким действием на расстоянии». С помощью специальных манипуляций две квантовые системы «запутываются», после чего, даже если их разделить физически (на любое расстояние, хоть в далекую галактику один послать, а другой дома оставить) – состояние одного будет однозначно определять состояние другого. Часто в шутку приводят пример с… носками. Если, прилетев в отпуск, вы обнаружите, что забыли один носок, и тот, что у вас в чемодане – левый, значит, дома остался правый.
Ученые экспериментировали с квантовыми цепями (один из способов реализации алгоритмов, который уменьшает количество шумных операций), что помогло улучшить качество вычислений.
Алгоритм «обучался» на маленьком наборе данных, где каждое изображение уже имело правильный ответ (нуль или единица). В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках, то есть справился с задачей без ошибок.
Итак, впервые удалось продемонстрировать, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие, как классификация изображений. Это открывает квантовым компьютерам целый пласт практических применений, где потребуется их скорость и способность разгадывать нетривиальные задачи. Скажем, ИИ уже активно применяют для рассматривания снимков КТ и МРТ ми ранней диагностики, но процент «брака» (то, что называется «галлюцинацией») у кремниевых чипов очень высок. Квантовый компьютер определенно справится лучше.
- В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Вместе с тем химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В то же время в финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски, – говорит директор ФИАН Николай Колачевский.
В будущем технология найдет применение в создании систем искусственного интеллекта, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных, поясняют в ФИАН.
| 02.06.25 | 30.05.2025 Наука Mail. Российские физики впервые совместили квантовый компьютер и машинное обучение |
Исследователи из Физического института имени П. Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) одни из первых в мире показали, как решать прикладные задачи на квантовом компьютере. Они использовали процессор на основе ионов иттербия и разделили с его помощью написанные от руки изображения нуля и единицы
В будущем технологию будут применять для анализа рентгеновских снимков и данных МРТ, КТ.Источник: SecurityLab)
Для достижения цели ученые из ФИАН и РКЦ использовали алгоритмы машинного обучения на квантовом процессоре. Результаты научной работы опубликованы в журнале Physical Review A.
Такие технологии активно развивают во всех ведущих странах. На данный момент важный вызов — это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результат нашей работы — применение этих алгоритмов в сочетании с технологией машинного обучения.
Алексей Федоров, научный руководитель группы «Квантовые информационные технологии» РКЦ
Подобные эксперименты проводили и ранее, но предложенный российскими специалистами подход отличается своей оригинальностью.Например, ученые сравнили различные способы кодирования данных в квантовые состояния и определили наиболее эффективный вариант.
В работе исследователи применили метод support vector machine — популярный для задач классификации метод машинного обучения. Он разделяет данные на классы посредством проведенной между ними наиболее оптимальным образом нелинейной границы. «Ядерную часть» алгоритма — сравнение данных, выполняли на квантовом процессоре. Это позволило эффективно обрабатывать даже сложные изображения.
Для перевода ионов в квантовое состояние мы создавали суперпозиции и проводили операции запутывания кубитов. Квантовые состояния отдельных ионов изменялись с помощью лазеров и детекторов излучения. По завершении вычислений измерялось состояние иона, и на основе этих данных интерпретировались результаты работы алгоритмов машинного обучения.
Алексей Федоров, научный руководитель группы «Квантовые информационные технологии» РКЦ
Также ученые экспериментировали с квантовыми цепями: так улучшилось качество вычислений. Алгоритм «обучался» на маленьком наборе данных, где каждое изображение уже имело правильный ответ — нуль или единица. В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках без ошибок.
По словам директора ФИАН Николая Колачевского, в дальнейшем по мере развития подобная технология квантовой классификации сможет применяться для множества практических задач. Например, в медицине ее можно использовать для автоматического анализа рентгеновских снимков и данных МРТ и КТ, что поможет оперативно диагностировать заболевания.
В будущем данная технология найдет применение в создании систем ИИ, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных.
| 02.06.25 | 30.05.2025 Донецкое агентство новостей. Квантовый скачок в машинном обучении: В РФ задействовали запутанные квант |
Фото: Freepik.com
Донецк, 30 мая — ДАН. Российские физики продемонстрировали возможность использования квантовых компьютеров для решения задач машинного обучения, что открывает новые перспективы для развития искусственного интеллекта. Исследователи из Физического института им. Лебедева (ФИАН) и Российского квантового центра (РКЦ) успешно реализовали программу машинного обучения на квантовом процессоре, основанном на ионах иттербия, что стало важным шагом в интеграции квантовых технологий и искусственного интеллекта. Об этом сегодня сообщило Запорожское агентство новостей со ссылкой на пресс-службу института.
В ходе эксперимента ученые использовали процессор на ионах иттербия для классификации рукописных изображений цифр 0 и 1, а также математических графов. По словам Алексея Федорова, одного из участников исследования, ключевым результатом работы является применение алгоритмов машинного обучения в сочетании с квантовыми вычислениями.
Ученые применили метод SVM (support vector machine), который позволяет разделять данные на классы, проводя между ними оптимальную нелинейную границу. Для осуществления квантовых вычислений ионы переводились в состояние суперпозиции и запутывались. С помощью лазеров и детекторов излучения изменялись квантовые состояния отдельных ионов. После завершения вычислений проводились измерения состояния ионов, на основе которых интерпретировались результаты работы алгоритмов машинного обучения.
Алгоритм был обучен на небольшом наборе данных, где каждое изображение имело заранее известный правильный ответ. Квантовый компьютер успешно справился с задачей, безошибочно определив все цифры как на обучающих, так и на тестовых изображениях.
По словам директора ФИАН Николая Колачевского, в будущем квантовые алгоритмы найдут применение в различных областях, таких как генетика, биоинформатика, химия и финансы. В генетике и биоинформатике они смогут проверять последовательности ДНК, выявлять мутации и предсказывать их влияние на организм. В химии — искать новые молекулярные структуры и моделировать каталитические процессы. В финансовой сфере — находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски.
В перспективе данная технология может быть использована для создания систем искусственного интеллекта нового поколения, где квантовые вычисления будут дополнять классические методы, значительно ускоряя обучение нейросетей и повышая точность обработки данных.
| 02.06.25 | 30.05.2025 Запорожское агентство новостей. Российские физики запустили машинное обучение на запутанных в суперпозиции квантах |
пресс-служба СПбГУ
Исследователи из Физического института им Лебедева и Российского квантового центра смогли запустить на квантовом компьютере программу машинного обучения. Как сообщила пресс-служба института, в эксперименте использовали процессор на основе ионов иттербия и разделили с его помощью написанные от руки изображения нуля и единицы, а также математических объектов — графов.
«Такие технологии активно развивают во всех ведущих странах. На данный момент важный вызов — это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результат нашей работы — применение этих алгоритмов в сочетании с технологией машинного обучения», — рассказал один из участников исследования Алексей Федоров.
По его словам, в целом, подобные эксперименты проводили и ранее, но предложенный российскими специалистами подход отличается своей оригинальностью. В работе применен метод SVM (support vector machine), он помогает разделять данные на классы посредством проведенной между ними наиболее оптимальным образом нелинейной границы.
«Для перевода ионов в квантовое состояние мы создавали суперпозиции и проводили операции запутывания кубитов. Квантовые состояния отдельных ионов изменялись с помощью лазеров и детекторов излучения. По завершении вычислений измерялось состояние иона, и на основе этих данных интерпретировались результаты работы алгоритмов машинного обучения», — описал процесс квантовых вычислений Федоров.
Как объяснили ученые, алгоритм «обучался» на маленьком наборе данных, где каждое изображение уже имело правильный ответ (нуль или единица). В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках, то есть справился с задачей без ошибок.
«В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Вместе с тем химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В то же время в финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски», — пояснил директор ФИАН Николай Колачевский.
В будущем данная технология найдет применение в создании систем искусственного интеллекта, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных.
https://zonews.ru/news/rossijskie-fiziki-zapustili-mashinnoe-obuchenie-na-zaputannyh-v-superpozicii/
| 02.06.25 | 30.05.2025 Телеграм-канал С широко открытыми глазами. Российские физики впервые совместили квантовый компьютер и машинное обучение |
Российские физики впервые совместили квантовый компьютер и машинное обучение
Прогресс в разработке квантовых компьютеров показал, что они способны проводить вычисления, которые недоступны самым мощным классическим суперкомпьютерам.
Исследователи из Физического института имени П.Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) одни из первых в мире продемонстрировали решение прикладных задач на квантовом компьютере. Так, в ходе эксперимента они использовали процессор на основе ионов иттербия (Yb+) и разделили с его помощью написанные от руки изображения нуля и единицы, а также математических объектов – графов.
Причем для достижения цели были задействованы алгоритмы машинного обучения, реализованные на квантовом процессоре. Результаты научной работы опубликованы в Physical Review A – одном из наиболее авторитетных академических журналов, посвященных вопросам физики.
