Квантовый гибрид повысил точность сложных прогнозов на 20%

20% — на столько гибридный метод, объединяющий квантовые вычисления и нейросети, превзошел классические модели в точности прогнозирования. Ученые из Университетского колледжа Лондона представили технологию, способную анализировать хаотичные физические системы, от климатических сдвигов до турбулентных потоков крови, с минимальными затратами компьютерной памяти.

Разработка опирается на фундаментальные свойства кубитов — суперпозицию и запутанность. Пока традиционные биты ограничены жестким выбором между нулем и единицей, квантовые частицы обрабатывают массивы вероятностей одновременно. В предложенной схеме квантовый процессор берет на себя самую сложную часть: он выявляет скрытые статистические закономерности в данных. Полученный «цифровой слепок» затем передается обычному суперкомпьютеру для финального обучения модели. По данным исследования, опубликованного в Science Advances, такой тандем позволил сократить требования к оперативной памяти в сотни раз, сохранив при этом высокую устойчивость результата даже в нестабильных средах.

От суперкомпьютеров к управлению хаосом

Экспериментальную проверку проводили на 20-кубитной системе IQM, связанной с мощностями Лейбницкого суперкомпьютерного центра в Германии. Работа в условиях экстремального холода, близкого к абсолютному нулю, оправдала себя при моделировании динамических процессов, где малейшее колебание в одной точке мгновенно меняет всю картину. Профессор Питер Ковени подчеркивает, что метод эффективен там, где классическая математика пасует перед хаосом. Речь идет о проектировании ветряных электростанций, прогнозировании атмосферной турбулентности и высокоточном анализе кровотока. В ближайших планах команды — масштабирование технологии на реальные массивы данных для создания новых стандартов промышленного прогнозирования.