Kuantum sinir ağları ilk donanım testini alıyor

Sinir ağları, fotoğraflardaki yüzleri tanımaktan proteinlerin şekillerini tahmin etmeye kadar, makinelerin verilerdeki desenleri bulma şeklini değiştirdi. Şimdiye kadar tüm bu ilerlemeler sıradan klasik bilgisayarlarda kaydedildi, ancak kuantum bilgisayarların artık pratik kullanıma girmesiyle, sinir ağlarının belirgin kuantum etkilerinden yararlanabilmesi ve klasik makinelerin asla yapamayacağı şekillerde çalışabilmesi gerçek bir olasılık haline geldi. Ancak şimdiye kadar sinir ağlarının kuantum donanımı üzerinde çalıştırılmasının çok daha zor olduğu kanıtlandı.

Yayınlanan yeni araştırmalar sayesinde Fiziksel İnceleme MektuplarıDjamil Lakhdar-Hamina ve Maryland Üniversitesi College Park’taki meslektaşları, iki farklı türde kuantum bilgisayar üzerinde çalışan bir sinir ağı kurdular ve bu sistemlerin teorik vaatlerini yerine getirip getiremeyeceğini doğrudan test etmelerine olanak tanıdılar.

Yakalanması zor kuantum avantajı

Bir sinir ağı, her biri sinyalleri alan ve aldığı şeye bağlı olarak bir çıktıyı ileten basit birimlerin katmanlarından oluşur. Bir ağı eğitmek için, bu birimler arasındaki bağlantılar, ağ belirli bir görev için güvenilir bir şekilde doğru cevabı üretene kadar ayarlanır.

Kuantum dünyasında benzer bir yapı, ölçüm sonuçları katmanlar arasında iletilen sinyallerin yerine geçen kuantum bilgisinin temel birimi olan kübitler kullanılarak oluşturulabilir. Araştırmacılar uzun süredir bu ağların kuantum versiyonlarının, belki de kuantum belirsizliğinden yararlanarak, klasik olanlara göre gerçek avantajlar sunabileceğinden şüpheleniyorlardı. Ancak bu fikirlerin çok azı fiziksel cihazlarda test edildi.

Gürültüde tatlı nokta

Lakhdar-Hamina’nın ekibi bu sorunu, bir ağı her zamanki gibi klasik yöntemle eğiterek ve ardından bitmiş ağın karar verme adımını kuantum donanımı üzerinde çalıştırarak çözdü. Bu ağ aynı zamanda iki uç nokta arasında da seçilebilir: tamamen klasik mod ve ölçüm belirsizliğinin daha büyük bir rol oynadığı tamamen kuantum mod.

En önemlisi, aynı ağı iki farklı kuantum platformunda çalıştırdılar: biri bilgiyi tuzaklanmış iyonlarda, diğeri ise süper iletken devrelerde depoluyor.

Ekip, ağı elle yazılmış rakamları tanıma gibi klasik bir görev üzerinde test etti. Orta düzeyde bir kuantum belirsizliği ekleyerek, doğruluğunun tamamen klasik modla karşılaştırıldığında gerçekten arttığını buldular; daha fazla gürültü eklenmesi sonuçları daha güvenilmez hale getirmeden önce güvenilirlikte tatlı bir nokta yarattılar.

Performans karşılaştırması

Daha da çarpıcısı, klasik ağın yanlış tanımladığı görüntüler için, kuantum sürümü bazen onları doğru sonuca ulaştırıyordu; görünüşe göre donanımın kendi fiziksel gürültüsüyle doğru cevaba doğru itiliyordu. Ekip, mükemmel bir devrede iptal edilmesi gereken ekstra işlemleri kasıtlı olarak ekleyerek, iki tür kuantum donanımının gürültüye nasıl farklı tepki verdiğini karşılaştırabildi.

Sonuçlar, gürültünün kuantum makine öğreniminde basitçe ortadan kaldırılacak bir şey olmadığını gösteriyor. İyi ele alındığında bazen bir ağın kararlarını faydalı bir yöne doğru itebilir.

Kuantum bilgisayarlar büyüdükçe ve daha iyi kontrol edildikçe, bu tür bir kıyaslama, hangi mimarilerin daha fazla geliştirilmeye değer olduğunu ve kuantum sinir ağlarının bir gün klasik bilgisayarların ulaşamayacağı sorunları tamamen çözüp çözemeyeceğini belirlemek açısından önemli olacaktır.