В МАДИ создали метод ускорения машинного обучения на квантовых компьютерах
Старший преподаватель Московского автодорожного института (МАДИ) Цезарь Пронин разработал математический инструмент, который позволяет квантовым компьютерам обучать нейросети в сотни раз быстрее классических систем. Как сообщили в пресс-службе Минобрнауки России, скорость нахождения нужного решения возрастает более чем в 300 раз. Эту информацию сообщает сайт ТАСС.
Исследователь предложил оригинальный способ создания "квантового оракула" — алгоритма-навигатора, который направляет вычисления сразу к правильному ответу, минуя долгий перебор вариантов. В пресс-службе отметили, что это важный шаг на пути к созданию реальных прикладных квантовых нейросетей.
В основе подхода лежит алгоритм Гровера, который оценивает множество вариантов одновременно. Для его работы требуется "оракул" — математическая функция, распознающая верное решение и усиливающая правильный сигнал. Главная сложность в том, что квантовые операции должны быть строго обратимыми, поэтому вспомогательные вычисления нужно "сворачивать" без потери информации.
Пронин решил эту задачу, предложив использовать в роли "оракула" обратимый квантовый умножитель. Он систематизировал матричный аппарат и построил квантовые аналоги базовых логических операций (NOT, AND, OR, XOR), а также полного сумматора. На этой основе сформулирована концепция обучения квантового персептрона — базового элемента нейросети.
Согласно расчетам, алгоритм Гровера с новым компонентом находит решение примерно в 326 раз быстрее классического перебора на примере 16-кубитного регистра. Это закладывает теоретический фундамент для решения реальных прикладных задач в промышленности и социальной сфере. Дальнейшая работа направлена на масштабирование подхода для 2-3-кубитных регистров и адаптацию под симуляторы и NISQ-устройства.
