Группа исследователей разработала гибридную систему, объединяющую квантовые вычисления и машинное обучение для предсказания хаотических динамических систем. На стандартных тестовых задачах система показала точность, на порядок превышающую результаты классических алгоритмов при аналогичном объёме данных.
Проблема предсказания хаоса
Хаотические системы — погода, турбулентность, финансовые рынки, популяционная динамика — чрезвычайно чувствительны к начальным условиям (эффект бабочки). Классические методы машинного обучения неплохо справляются с краткосрочными прогнозами, но быстро теряют точность на более длинных горизонтах, потому что ошибки накапливаются¹.
Авторы работы предположили, что квантовые системы имеют принципиальное преимущество: они «живут» в пространстве состояний экспоненциально большего размера, чем классические. Это позволяет захватить тонкие корреляции в хаотических данных, которые классический алгоритм упускает.
Как устроена система
Гибридная архитектура состоит из двух компонентов. Первый — классическая нейронная сеть, преобразующая входные данные в параметры квантовой схемы. Второй — параметрическая квантовая схема (PQC), обрабатывающая данные в квантовом пространстве состояний. Вывод квантовой схемы передаётся обратно классической сети, которая формирует итоговый прогноз.
На тесте с уравнением Лоренца (классический эталон хаотических систем) гибридная система сохраняла адекватный прогноз в течение вдвое большего времени, чем лучший классический аналог. На задаче предсказания турбулентности — втрое дольше.
Ограничения
Эксперименты проводились на имитаторах квантовых процессоров, а не на реальном «железе». Реальные квантовые чипы сегодня страдают от шума и декогеренции, что может нивелировать теоретическое преимущество. Авторы осторожны: «Это демонстрация концепции, не промышленное решение».
Тем не менее направление признаётся перспективным. IBM и Google активно развивают архитектуры, снижающие квантовый шум, и подобные гибридные алгоритмы — наиболее вероятные первые кандидаты на «квантовое преимущество» в практических задачах.
Российский контекст
Россия входит в число стран с национальными программами квантовых вычислений. «Росатом» реализует «Дорожную карту по квантовым вычислениям», Сбер и Яндекс заявляли об интересе к квантовым алгоритмам. В академическом секторе МФТИ, Сколтех и Физтех ведут исследования в квантовых технологиях.
Применение квантового ИИ к прогнозированию хаотических систем особенно актуально для задач метеорологии, управления энергосетями и финансового моделирования — областей, где российские структуры активно применяют вычислительные методы.
---
¹ Источник: New Scientist — https://www.newscientist.com/article/2474123-quantum-ai-just-got-shockingly-good-at-predicting-chaos/