Wetenschappers hebben een doorbraak geforceerd in de wereld van quantumgeneratieve modellering met de ontwikkeling van de zogenaamde 'coherent memory Born machine' (CoMB). Dit nieuwe algoritme stelt computers in staat om data-samples te produceren waarbij de omvang van het register niet langer afhankelijk is van de dimensie van de verwerkte data. Volgens een wetenschappelijke publicatie op arxiv.org wordt dit bereikt door een proces waarbij per ronde één component wordt gegenereerd via de verstrengeling van een werkregister en een geheugenregister.
Technische innovatie en efficiëntie
De kracht van de CoMB schuilt in het feit dat het geheugenregister tijdens het proces niet wordt gemeten. Hierdoor blijven correlaties tussen opeenvolgende rondes behouden, wat essentieel is voor het creëren van coherente datasets. De onderzoekers, waaronder Jamal Slim en Saverio Monaco, leggen in hun uit dat de distributie van de gegenereerde data kan worden uitgedrukt als een product van kleine matrices.
Deze specifieke opbouw maakt een methode van 'exacte training' mogelijk. In plaats van traditionele likelihood-berekeningen maken de auteurs gebruik van maximum mean discrepancy (MMD) verliezen. Een belangrijk voordeel hiervan is dat de benodigde rekentijd voor de gradiënten lineair schaalt met de dimensie van de data, wat een aanzienlijke verbetering in efficiëntie betekent. Om de praktische uitvoering te optimaliseren, is elke ronde teruggebracht tot één enkele werk-qubit, waarbij ook rekening is gehouden met de ruis van de gebruikte hardware.
Prestaties en vergelijkingen
Om de waarde van de coherente geheugenfunctie aan te tonen, is de CoMB getest tegenover klassieke hidden Markov models en een versie van het model zonder coherentie. De tests richtten zich op twee diverse datasets: handgeschreven cijfers (gegenereerd met drie qubits) en calorimeter-douches met 368 cellen (gegenereerd met vijf qubits).
De resultaten tonen een duidelijk voordeel in termen van geheugen en dimensie. Uit de data blijkt dat vier coherente niveaus in het quantummodel een vergelijkbare prestatie leveren als zes klassieke toestanden. Bij de calorimeter-douches was dit voordeel consistent aanwezig tijdens elke fase van het trainingsbudget, met een betrouwbaarheid van 95%. Wanneer de coherentie uit het systeem werd verwijderd, verslechterde de prestatie aanzienlijk, met een stijging in het verlies tussen de 23% en 31%.
Validatie op fysieke hardware
De theoretische bevindingen zijn verder getoetst op fysieke hardware via een IBM Heron-processor. Deze tests bevestigden dat het geheugen in staat was om tweederde van de correlatie tussen rondes te behouden over twaalf opeenvolgende metingen in het midden van het circuit. Hoewel de CoMB superieur is bij een beperkt aantal niveaus, stellen de auteurs in de dat de verschillen tussen coherente en klassieke geheugens vervagen wanneer er acht niveaus worden gebruikt. Bij langere trainingstijden naderen beide modellen een vergelijkbare ondergrens.
Terwijl academische projecten zoals deze de theoretische grenzen van quantumcomputing verleggen, richten commerciële spelers zich op de bredere implementatie van deze technologieën. Bedrijven in deze sector, zoals quantucom, werken aan de ontwikkeling van quantumoplossingen voor diverse industriële toepassingen.