Учёные экспериментально подтвердили, что квантовые методы обработки информации могут сделать машинное обучение точнее. В эксперименте фотонный процессор сгенерировал специальные «квантовые ядра» — математические структуры для анализа данных, которые превзошли классические аналоги, включая популярные гауссовы и нейронные модели.

Эксперимент построили на основе управления состоянием в программируемой оптической схеме. Данные кодировались через изменения фазы света, а затем обрабатывались двумя способами: с использованием квантовых эффектов (неразличимые фотоны) и без них (различимые фотоны). В первом случае точность классификации данных оказалась выше за счёт квантовой интерференции — явления, когда волны света усиливают или подавляют друг друга.

Квантовые ядра применяются для преобразования сложных данных в удобный для анализа формат. Обычные компьютеры делают это с помощью математических моделей, но квантовые системы могут выполнять такие преобразования эффективнее благодаря своей природе. Теоретически это предсказывали давно, но до сих пор не было рабочего прототипа для практической проверки.

Успех связан с использованием фотонных технологий, которые позволяют управлять квантовыми состояниями даже на устройствах среднего масштаба. Это важно, поскольку современные квантовые компьютеры пока недостаточно мощны для сложных задач. Фотонные процессоры стали мостом между теорией и реальными приложениями.

Авторы считают, что их подход можно интегрировать в классические системы машинного обучения для анализа больших данных, прогнозирования и моделирования. Следующий шаг — испытание метода на практических задачах, например, в медицине или физике.