In Wien, Österreich, haben Forscher der Universität Wien einen bedeutenden Durchbruch im Bereich des Quanten-Maschinellen Lernens erzielt. Ihre in Nature Photonics veröffentlichte Arbeit zeigt, dass selbst kleine Quantencomputer die Leistung von Machine-Learning-Algorithmen verbessern können. Diese Entdeckung eröffnet aufregende neue Möglichkeiten für die Zukunft des Rechnens.
Das Team verwendete einen photonischen Quantenprozessor, um Datenpunkte zu klassifizieren, und hob die Vorteile von Quanteneffekten gegenüber klassischen Computern hervor. Das Experiment ergab, dass diese kleinen Quantenprozessoren herkömmliche Algorithmen übertreffen können. „Wir haben festgestellt, dass unser Algorithmus bei bestimmten Aufgaben weniger Fehler macht als sein klassisches Gegenstück“, erklärte Philip Walther von der Universität Wien, Leiter des Projekts.
Diese Forschung treibt nicht nur das Quantencomputing voran, indem sie Aufgaben identifiziert, die von Quanteneffekten profitieren, sondern bietet auch Einblicke für das Standard-Computing. Die Verwendung photonischer Plattformen, die weniger Energie verbrauchen als Standardcomputer, ist ein weiterer entscheidender Vorteil. Dies könnte von entscheidender Bedeutung sein, da Machine-Learning-Algorithmen zunehmend energieintensiver werden. Dieser Durchbruch könnte zur Entwicklung neuer, effizienterer Algorithmen führen, die von Quantenarchitekturen inspiriert sind.