Wetenschappers hebben een innovatieve methode ontwikkeld om de interpreteerbaarheid van machine learning te combineren met de principes van de quantummechanica. De zogenaamde Quantum-Logic Tsetlin Machine (QL-TM) vervangt traditionele Booleaanse variabelen door quantumprojectoren, waardoor het systeem in staat is om complexere, fysiek betekenisvolle patronen te identificeren.
Volgens een publicatie op arxiv.org van 19 augustus 2026 heeft Krishna Bhatia van het QuantumAI Lab deze benadering geïntroduceerd. Waar klassieke Tsetlin Machines (TMs) gebruikmaken van eindige-toestandsautomaten om Booleaanse clausules te leren, integreert de QL-TM quantumproposities in dit proces. Ondanks deze fundamentele verschuiving in de logica blijft de architectuur trouw aan de oorspronkelijke Tsetlin-structuur door het gebruik van de bekende "include/exclude"-automaten.
Een essentieel onderdeel van de werking van de QL-TM is dat de clausules beperkt blijven tot commuterende meetcontexten. De activering van deze clausules wordt bepaald door de Born-waarschijnlijkheid van hun gezamenlijke projector. Uit het onderzoek blijkt dat er een exacte reductie naar standaard Booleaanse TM-clausules mogelijk is, mits er gebruik wordt gemaakt van diagonale computationele-basiscontexten. Deze theoretische onderbouwing is gedetailleerd beschreven in de .
Om de effectiviteit van het model te toetsen, zijn er diverse gecontroleerde experimenten uitgevoerd. Hierbij is gekeken naar phase-flip syndromen, Bell-toestanden en gerandomiseerde taken met 16 klassen stabilisatoren. De resultaten tonen aan dat correcte, niet-diagonale contexten in staat zijn om fysiek relevante clausules te herstellen. Wanneer er echter gewerkt wordt met incorrecte of diagonale contexten, gaat cruciale informatie over het syndroom of de fase verloren.
Daarnaast is er onderzoek gedaan naar de resultaten van het zogenaamde "context-budget". Deze resultaten volgen de voorspelde separabiliteitsladder naarmate ware stabilisator-generatoren uit het systeem worden verwijderd. De auteurs benadrukken in hun dat hun werk een gecontroleerde verbinding legt tussen quantumlogica en het leren van Tsetlin-clausules. Zij stellen expliciet dat dit onderzoek geen claim inhoudt op een "quantum advantage" ten opzichte van klassieke computersystemen.
Het werk van Bhatia is geselecteerd voor presentatie op het Fifth International Symposium on the Tsetlin Machine (ISTM 2026). Dit evenement vindt plaats van 12 tot 14 oktober 2026 aan het Indian Institute of Science in Bangalore, India, zoals vermeld in de . De publicatie is breed gecategoriseerd binnen de vakgebieden van machine learning, quantumfysica en logica in de informatica.
Terwijl dit onderzoek zich richt op de fundamentele logica van machine learning en de analyse van quantumgegevens via Pauli-projector clausules, zijn er ook commerciële spelers in de sector. Bedrijven zoals quantucom richten zich in hun bedrijfsactiviteiten meer op high-performance platforms en datamanagement voor sectoren zoals de levenswetenschappen en overheidsinstanties. De QL-TM biedt echter een nieuwe theoretische weg om te begrijpen hoe quantumgegevens op een transparante en interpreteerbare wijze kunnen worden geanalyseerd.