СМИ о нас
| 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 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/
| 30.05.25 | 29.05.2025 ICT.Moscow. В Москве решили прикладные задачи на квантовом компьютере с применением ИИ |
Исследователи из Физического института им. П.Н. Лебедева РАН и Российского квантового центра продемонстрировали решение прикладных задач на квантовом компьютере с применением алгоритмов машинного обучения. Ученые использовали процессор на основе ионов иттербия и разделили с его помощью написанные от руки изображения нуля и единицы, а также графов.
В процессе работы исследователи экспериментировали с квантовыми цепями, что помогло улучшить качество вычислений. Алгоритм обучался на небольшом наборе данных, где каждое изображение уже имело правильный ответ. В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках.
Ожидается, что в дальнейшем подобная технология квантовой классификации сможет применяться для множества практических задач. Например, в медицине — для автоматического анализа рентгеновских снимков и данных МРТ и КТ, в области генетики и биоинформатики — для проверки последовательности ДНК, в химии — для поиска новых молекулярных структур и моделирования каталитических процессов, а также в финансовой сфере — для выявления сложных закономерностей в рыночных данных.
В 2025 году в Российском квантовом центре планируют представить несколько 50-кубитных квантовых компьютеров, а их полезность ученые рассчитывают увидеть к 2030 году.
| 30.05.25 | 29.05.2025 Трешбокс. В России «скрестили» квантовый компьютер и машинное обучение |
Сотрудники Физического института имени П. Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) впервые в нашей стране продемонстрировали возможность решения прикладных задач на квантовом компьютере с использованием алгоритмов машинного обучения. В демонстрации был задействован процессор на основе ионов иттербия (Yb+), с помощью которого учёные разделили написанные от руки изображения нуля и единицы.
«На данный момент важный вызов — это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результатов 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.
При этом авторы проекта утверждают, что подобные эксперименты нельзя назвать чем-то сверхъестественным, они проводились и ранее. Оригинальным является подход российских учёных, которые сравнили различные способы кодирования данных в квантовые состояния и определили наиболее эффективный вариант.
В ходе работы специалисты использовали квантовые цепи, представляющие собой один из методов реализации алгоритмов для снижения числа шумных операций и повышения качества вычислений. Искусственный интеллект обучался на крайне малом наборе данных, где каждое изображение имело правильный ответ: единица или ноль. Это помогло квантовому компьютеру правильно определить все тестовые картинки, что в свою очередь доказало — даже небольшие и маломощные компьютеры подобного типа могут решать прикладные задачи с использованием искусственного интеллекта.
В будущем, как считает директор ФИАН Николай Колачевский, такие «навыки» можно, например, использовать в медицине, чтобы анализировать рентгеновские снимки, данные МРТ и КТ.
«В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски», — пояснил Николай Колачевский.
Кроме того, подобная технология станет дополнением при разработке систем искусственного интеллекта, когда алгоритмы машинного обучения тесно связаны с классическими методами.
https://trashbox.ru/link/2025-05-29-kvantovyj-kompyuter-i-ii
| 30.05.25 | 29.05.2025 Поиск. Квантовый прорыв из России. Компьютер на ионах иттербия распознал рукописные цифры |
Российские учёные сделали значительный шаг к практическому применению квантовых технологий: впервые они продемонстрировали решение прикладных задач с использованием алгоритмов машинного обучения на квантовом компьютере. Разработанный на базе ионов иттербия процессор справился с классификацией рукописных изображений и графов, доказав, что даже маломощные квантовые системы могут быть полезны в реальных сценариях.
Исследование провели специалисты ФИАН и Российского квантового центра. Они использовали квантовые цепи, чтобы минимизировать ошибки и шум в процессе вычислений. Алгоритм обучался на небольшом наборе данных с правильными ответами и успешно распознавал образы как в тренировочной, так и в тестовой выборке. Особенностью подхода стало тестирование различных способов кодирования информации в квантовые состояния, что позволило выбрать наиболее эффективную стратегию.
"Один из главных результатов нашей работы — применение квантовых алгоритмов в сочетании с технологией машинного обучения."
– Алексей Федоров, Российский квантовый центр
По словам директора ФИАН Николая Колачевского, квантовая классификация может использоваться в самых разных областях: от диагностики заболеваний на основе медицинских изображений до анализа ДНК, моделирования химических процессов и оценки рисков на финансовых рынках. В будущем квантовые вычисления могут стать неотъемлемой частью гибридных систем искусственного интеллекта, значительно ускоряя и повышая точность обработки данных.
Источник: ФИАН
| 30.05.25 | 29.05.2025 Ferra.ru. Российские ученые объединили квантовый компьютер и ИИ |
Эксперимент показал реальные перспективы технологии.
Российские ученые совершили важный шаг в развитии квантовых технологий. Специалисты из Физического института имени Лебедева и Российского квантового центра первыми в мире успешно применили алгоритмы машинного обучения на квантовом компьютере. В эксперименте использовался процессор на основе ионов иттербия.
/imgs/2025/05/29/14/6834497/3be1305e3ee7f5d0d6813d22662f50b7b235362b.jpg)
© Ferra.ru
Ученым удалось научить квантовую систему распознавать рукописные изображения цифр 0 и 1, а также классифицировать математические графы. Как пояснили исследователи, главная ценность работы — в оригинальном подходе к кодированию данных в квантовые состояния, что позволило повысить эффективность вычислений.
Эксперимент проводился с использованием квантовых цепей — специальных алгоритмов, которые уменьшают количество ошибок при вычислениях. Компьютер успешно справился с задачей, правильно определив все цифры как в обучающей выборке, так и в тестовых данных. Это доказывает, что даже небольшие квантовые процессоры уже способны решать практические задачи.
По словам директора ФИАН Николая Колачевского, разработанная технология квантовой классификации найдет применение в различных областях. В медицине она может использоваться для анализа медицинских снимков, в генетике — для изучения мутаций ДНК. Перспективно применение в химии для моделирования молекулярных структур и в финансах для анализа рыночных данных.
| 30.05.25 | 29.05.2025 Runews24. Российские физики впервые интегрировали квантовый компьютер и машинное обучение |
Прорыв года: Физики из РФ впервые «поженили» квантовый компьютер и нейросети
Российские ученые добились значительного прорыва, впервые в стране успешно применив квантовый компьютер для решения практической задачи в области машинного обучения, о чем сообщило информационное агентство ТАСС. В ходе проведенных экспериментов исследователи использовали специализированный квантовый процессор, созданный на основе ионов иттербия, для выполнения таких задач, как классификация бинарных изображений и анализ различных графовых структур.
Фото: freepik, Источник: togliatti24.ru
Важной частью их научной работы стало тщательное изучение и сравнение различных методов представления исходных данных в квантовых состояниях, что позволило выявить наиболее продуктивный и эффективный подход для этих целей. Разработанный и обученный на относительно небольшом количестве предварительно размеченных изображений квантовый алгоритм продемонстрировал высокую точность классификации как на обучающей, так и на контрольной (тестовой) выборках данных. Этот успешный результат наглядно показывает, что даже современные квантовые процессоры, обладающие пока еще ограниченной по сравнению с классическими компьютерами вычислительной мощностью, уже способны эффективно справляться с несложными, но практически значимыми задачами в сфере машинного обучения.
Данное пионерское достижение российских физиков в области квантового машинного обучения открывает широкие перспективы для будущего, потенциально позволяя значительно расширить возможности искусственного интеллекта за счет сокращения времени обучения сложных нейронных сетей и повышения точности обработки больших массивов данных в самых разных отраслях, от медицины до финансов.
Современные научные исследования показывают, что Великая Китайская стена была построена на 300 лет раньше, чем считалось ранее. Параллельно с этим медицинская наука находит новые способы продления жизни людей с хроническими заболеваниями, например, с помощью метформина при диабете.
