Учёные МФТИ первыми в России запустили квантовую нейросеть — точность решения задач превысила 90 %

Российские физики впервые в стране успешно обучили квантовую нейросеть на реальном сверхпроводящем процессоре, добившись высокой точности в решении классических задач машинного обучения. Эксперимент на цепочке кубитов из МФТИ продемонстрировал практическую пригодность гибридных квантово-классических алгоритмов, открывая путь к преодолению фундаментальных ограничений традиционных вычислений.

Квантовый симулятор как ускоритель нейросетей

В основе прорыва лежит гибридная модель, где квантовый симулятор выполняет наиболее ресурсоемкую часть вычислений. Устройство, созданное в лаборатории искусственных квантовых систем МФТИ, представляет собой цепочку из нескольких сверхпроводящих кубитов. Именно на этой платформе был реализован и оптимизирован специальный алгоритм квантового обучения.

«Мы подобрали эффективную структуру квантовой цепи и алгоритм, который позволил достичь точности 94% для задач многозначной классификации и 90% при распознавании рукописных цифр. Стабильность результатов подтверждена перекрестной проверкой. Ключевое преимущество — скорость обучения благодаря тому, что градиент функции потерь можно эффективно вычислять, используя специфические свойства квантовых операций», — пояснил соавтор работы, сотрудник лаборатории Алексей Толстобров.

Какие задачи решила квантовая модель

Исследователи провели серию экспериментов, в которых их система доказала универсальность. Модель успешно справилась с несколькими типами классических задач:

• Задача чётности — фундаментальный тест для классификаторов.
• Медицинская диагностика — бинарная классификация для обнаружения меток рака молочной железы.
• Анализ данных — многоклассовая классификация вин по десятку параметров.
• Распознавание образов — идентификация рукописных десятичных цифр из известного набора данных.

Высокие показатели точности в этих разнородных задачах указывают на то, что подход обладает значительным потенциалом для масштабирования.

За пределами возможностей классических компьютеров

Несмотря на впечатляющие успехи современных алгоритмов ИИ, вроде больших языковых моделей, их развитие упирается в физические и архитектурные ограничения классических процессоров. Квантовые вычисления предлагают принципиально иной путь, потенциально позволяя обрабатывать данные экспоненциально быстрее для определенных классов задач. Работа группы МФТИ — это конкретный шаг от теории к практике, доказывающий, что квантовые симуляторы уже сегодня могут выступать в роли специализированных ускорителей для нейронных сетей.

Интересно, что некоторые современные теории рассматривают возможность квантовой природы обработки информации в биологическом мозге. Это придает дополнительный вес исследованиям в области квантового машинного обучения, которые, возможно, приближают нас к созданию систем искусственного интеллекта принципиально нового типа.

До недавнего времени большинство успехов в квантовом машинном обучении демонстрировались на идеализированных компьютерных моделях или имели сугубо теоретический характер. Экспериментальная реализация рабочего алгоритма на реальной, пусть и небольшой, квантовой системе — это переход в новую фазу, где инженерные решения и подавление шумов становятся критически важными.

Практическое влияние этой работы выходит за рамки академического интереса. Доказательство работоспособности гибридных алгоритмов на сверхпроводящих кубитах, которые являются одной из основных технологий в гонке за квантовое превосходство, указывает на реалистичный путь интеграции квантовых ускорителей в существующие вычислительные инфраструктуры. Это может в среднесрочной перспективе привести к прорывам в областях, требующих анализа огромных массивов слабоструктурированных данных: от разработки новых материалов и лекарств до сложных логистических и финансовых моделей.

Следующими шагами команды станет увеличение количества кубитов в симуляторе для решения более сложных задач, тестирование системы на задачах регрессии и, что наиболее важно, попытка перейти от обработки классических данных к работе непосредственно с квантовыми. Это откроет двери в область, где преимущества квантовых компьютеров перед классическими должны проявиться в полной мере.