Kwantowe AI udomowiło chaos: przełom UCL w fizyce płynów

Prognozowanie turbulencji, przepływu krwi czy zmian klimatycznych to próba przewidzenia zachowania systemów, które z natury nienawidzą porządku. Klasyczne AI radzi sobie z nimi tylko do pewnego momentu, by po chwili „rozjechać się” z rzeczywistością w spektakularnym błędzie. Zespół z University College London (UCL) właśnie to zmienił, wstrzykując kwantową logikę bezpośrednio w proces treningowy sieci neuronowych.

Koniec z symulacyjną watą

Problem z dzisiejszymi modelami AI nie polega na braku mocy obliczeniowej, ale na braku zrozumienia głębokiej struktury chaosu. Tradycyjne superkomputery mielą dane tygodniami, generując wyniki, które często są już nieaktualne w momencie publikacji.

Naukowcy z UCL wykorzystali 20-kubitowy komputer kwantowy IQM, aby zidentyfikować tak zwane niezmienne właściwości statystyczne danych. To fundamenty systemu, które nie zmieniają się mimo upływu czasu. Zamiast karmić AI surowym szumem, podano jej esencję przefiltrowaną przez kwantowe sploty.

Dlaczego to działa?

Kwantowe komputery operują na stanach, które naturalnie naśladują kompleksowość fizyki. Dzięki zjawiskom takim jak:

• Splątanie: Pozwala reprezentować korelacje między odległymi punktami systemu bez kosztownego obliczeniowo mapowania każdego elementu z osobna.
• Superpozycja: Umożliwia przetwarzanie miliardów stanów jednocześnie w ramach kompaktowej architektury.
• Kompresja danych: Pozwala na radykalne zmniejszenie liczby parametrów potrzebnych do opisu zjawiska.

Liczby nie kłamią, ale szokują

Wyniki opublikowane w Science Advances budzą respekt nawet u największych sceptyków tak zwanego „quantum advantage”. Hybrydowy model osiągnął o 20 procent wyższą dokładność niż najmocniejsze klasyczne odpowiedniki.

Jednak to efektywność jest prawdziwym „game-changerem”.

Nowa metoda zużywa setki razy mniej pamięci. To oznacza, że skomplikowane symulacje, które dotąd wymagały serwerowni wielkości boiska do koszykówki, mogą stać się bardziej dostępne i tańsze w eksploatacji.

Krytyczny filtr: to nie jest jeszcze koniec problemów

Mimo entuzjazmu badaczy, sprzęt wciąż pozostaje „wąskim gardłem”. Komputery kwantowe nadal wymagają temperatur bliskich zeru absolutnemu (-273°C) i są skrajnie wrażliwe na szum środowiskowy. Strategia UCL jest jednak sprytna: wykorzystują jednostkę kwantową tylko raz, w kluczowej fazie ekstrakcji wzorców, zamiast zmuszać ją do ciągłej współpracy z procesorami krzemowymi. To omija problem błędów wynikających z długiego czasu operacyjnego dzisiejszych maszyn.

Z laboratorium do turbin wiatrowych

Zastosowania? Od optymalizacji farm wiatrowych, aby generowały więcej energii przy mniejszych stratach konstrukcyjnych, po modelowanie dynamiki leków w krwiobiegu pacjenta. Maida Wang, pierwsza autorka badania, zapowiada już skalowanie metody na jeszcze większe zbiory danych.

Jeśli kwantowe AI faktycznie „zrozumiało” chaos, stoimy u progu ery, w której prognoza pogody na dwa tygodnie do przodu przestanie być loterią, a stanie się precyzyjnym odczytem inżynieryjnym.