Ученые Университета МИСИС создали новый алгоритм машинного обучения, предназначенный для квантовых компьютеров.
В отличие от традиционных кубитов, разработка использует кудиты — квантовые элементы, способные находиться в более чем двух состояниях одновременно. Это позволяет обрабатывать больший объём информации за меньшее число шагов и упрощает вычисления, сообщили в пресс-службе вуза.
Разработанный алгоритм относится к классу методов опорных векторов — одной из базовых моделей классификации. Такие модели широко применяются для распознавания изображений, цифр, а также в медицинских задачах, включая выявление раковых опухолей и разработку новых лекарств, сообщает ТАСС.
Ключевая особенность нового подхода — использование кудитов вместо кубитов. Если кубит может находиться в суперпозиции двух состояний (0 и 1), то кудит способен принимать три, четыре и более состояний, что кратно увеличивает объём информации, хранимой в одном разряде. Это позволяет эффективнее кодировать данные и переносить их в многомерное пространство, где их легче разделять и классифицировать.
Алгоритм работает следующим образом: квантовые вентили, в которых закодированы классические данные, последовательно воздействуют на состояние кудита. После выполнения измерений на выходе получается обычная битовая строка — последовательность нулей и единиц. Наибольшую точность классификации удалось достичь при 1024 итерациях такой цепочки.
Директор Института физики и квантовой инженерии НИТУ МИСИС Алексей Федоров отметил, что работа приближает практическое применение квантовых компьютеров в задачах машинного обучения. Новый алгоритм уже используется в совместных исследованиях с Институтом нанотехнологий микроэлектроники РАН для сегментации интерфейсов функциональных тонких пленок в перспективной микроэлектронике.
