Представьте, что врач показывает ваш снимок МРТ и говорит: «Надо подождать пару недель, компьютер пока не уверен, опухоль это или нет». Звучит дико, но именно с такой проблемой сталкиваются сегодня исследователи, когда обычные машины не справляются с лавиной данных. В Университете МИСИС, кажется, нашли способ это исправить. Они придумали, как заставить квантовый компьютер работать с алгоритмами распознавания образов гораздо эффективнее. Секрет не в том, чтобы добавить побольше процессоров, а в том, чтобы перейти на другой язык — язык кудитов. Это как если бы вы перестали считать на пальцах одной руки и вдруг освоили счет на пальцах ног, да еще и в системе счисления с тремя состояниями. И речь тут не про абстрактную науку, а про вещи, которые касаются каждого: от диагностики рака до создания таблеток от новых вирусов.
Когда обычный компьютер пасует перед сложностью мира
В основе многих современных технологий лежит так называемый алгоритм опорных векторов. Звучит жутковато, но на деле это просто метод, который помогает компьютеру раскладывать всё по полочкам: вот это котик, а это собачка, это здоровые клетки, а это злокачественные. В двух словах: алгоритм ищет границу между разными типами объектов и проводит между ними линию. Сегодня его используют везде: от разбора ваших рукописных каракуль в банковском чеке до сложнейших задач вроде предсказания структуры белков для фармацевтики.
Но есть нюанс. Чем больше данных мы скармливаем такой программе, тем сильнее она тормозит. Когда речь заходит о медицинских изображениях, где каждый снимок весит гигабайты, или о геномных последовательностях, классический компьютер начинает задыхаться. Ему приходится перебирать миллионы вариантов по очереди, словно человеку, который ищет иголку в стоге сена и перекладывает каждую соломинку отдельно. Специалисты называют это «проклятием размерности»: данные есть, мощности есть, но время выполнения растет в геометрической прогрессии. И тут на сцену выходят квантовые компьютеры, которые могут перебирать варианты не по очереди, а как бы одновременно. Но, как выяснилось, и у них есть свои ограничения, если подходить к делу без выдумки.
Кудиты: не просто 0 и 1, а целый спектр возможностей
Раньше считалось, что для квантового машинного обучения достаточно кубитов — тех самых пресловутых единиц информации, которые могут быть и нулем, и единицей в одно и то же время. Но ученые из МИСИС рассудили: зачем ограничиваться двумя состояниями, если природа позволяет закодировать в одной частице гораздо больше? Они взяли на вооружение кудиты — это те же кубиты, только с бóльшим числом уровней. Представьте себе обычную лампочку: она либо горит, либо нет. Это кубит. А теперь представьте светофор: он может гореть красным, желтым или зеленым, да еще и мигать разными комбинациями. Вот это уже похоже на кудит.
«Вместо стандартных кубитов новый метод использует кудиты — квантовые элементы с несколькими уровнями состояний, — объясняют в пресс-службе университета. — Они выполняют сложные операции за меньшее количество шагов, что значительно упрощает вычисления». Алексей Федоров, который руководит Институтом физики и квантовой инженерии, поясняет идею так: мы кодируем массив данных прямо в состояниях кудита, и за счет того, что уровней много, мы не наращиваем число физических элементов, а просто используем потенциал каждого по максимуму. Это как если бы в поезде вместо того, чтобы цеплять сто дополнительных вагонов, вы просто сделали каждый вагон двухэтажным — состав короче, а людей помещается столько же.
Аспирантка Елизавета Глазкова, которая непосредственно занималась расчетами, рассказала, как это работает на практике. Сначала на кудит по очереди воздействуют специальными квантовыми вентилями — в них как раз и закодированы те данные, которые нужно классифицировать. Потом происходит замер, и мы получаем обычный битовый результат: последовательность нулей и единиц. Самое интересное, что точнее всего алгоритм сработал, когда ученые прогнали его через 1024 повторения этой цепочки. Цифра выбрана не случайно — в мире компьютеров это сакральное число, и оно показывает, что метод действительно стабилен и воспроизводим. Сейчас эту штуку уже пробуют применять в реальном деле: вместе с Институтом нанотехнологий РАН с помощью алгоритма сегментируют тонкие пленки для микроэлектроники. Если проще — учат компьютер видеть границы там, где человеческий глаз ничего не различает.
От теории к практике: почему это не останется на бумаге
Любую научную новость всегда хочется проверить на вшивость: ну придумали ребята алгоритм, ну опубликовали статью в Bulletin of the Russian Academy of Sciences: Physics, и что с того? В прорыв это выльется или так и останется красивой формулой? Тут важно понимать контекст. Работа ведется в рамках огромной федеральной программы «Приоритет-2030», и конкретно этот проект называется «Квантовый интернет». За такими словами стоят не просто отчеты, а конкретные инженерные решения. Например, годом раньше та же команда сделала флаксониум-кубиты, которые ошибаются крайне редко — это был важный шаг, потому что квантовые системы жутко капризные и сыпятся от малейшего шума.
Более того, в МИСИС не зацикливаются на одном направлении. Параллельно они учат искусственный интеллект предсказывать сбои в квантовой связи — чтобы, не дай бог, секретный код не расшифровался по дороге. А совсем недавно, кстати, их коллеги вместе с Российским квантовым центром разбирались, как вообще лучше встраивать кудиты в существующие алгоритмы. Как рассказывала старший научный сотрудник Анастасия Николаева, их цель — не просто создать что-то ради рекорда, а сделать так, чтобы другие ученые и инженеры могли взять их наработки и использовать прямо сейчас, не переписывая с нуля свои программы. Это очень прагматичный подход, который обычно и приводит к настоящему прогрессу. Так что, скорее всего, мы еще услышим про эту разработку — когда она начнет помогать врачам ставить диагнозы быстрее, а химикам — искать формулы новых лекарств за часы, а не за годы.
Подписывайтесь на канал, чтобы не пропустить новые статьи и ставьте нравится.