- Исследователи из МФТИ и Сколтеха разработали квантовый «рекуррентный» алгоритм для предсказания числовых последовательностей.
- Квантовая рекуррентная нейросеть (QRNN) обучена на реальных сверхпроводниковых процессорах с искусственными атомами-трансмонами.
- QRNN сравнивается с компактными классическими архитектурами на задаче машинного обучения.
- Квантовый процессор может предложить практически работающее решение для задач обработки данных в эпоху NISQ-устройств.
- Исследователи использовали архитектуру QRNN для предсказания атмосферного давления на реальных данных.
- QRNN показывает хорошие результаты, сравнимые с компактными классическими моделями, на некоторых задачах.
- Исследование демонстрирует возможность обучения параметризованных квантовых схем на реальных квантовых процессорах.
- Перспективы дальнейших исследований включают ускорение обучения и расширение выходного пространства модели.
Джозефсоновская микросхема научила квантовую память предсказывать будущее
16 мар 2026
Краткий пересказ
от нейросети YandexGPT
Обложка: Изображение из статьи. © ИИ-генерация Midjourney v7.0