СМИ о нас

29.05.25 29.05.2025 Российская академия наук. Российские физики впервые совместили квантовый компьютер и машинное обучение

Прогресс в разработке квантовых компьютеров показал, что они способны проводить вычисления, которые недоступны самым мощным классическим суперкомпьютерам.

Исследователи из Физического института им. П.Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) одни из первых в мире продемонстрировали решение прикладных задач на квантовом компьютере. Так, в ходе эксперимента они использовали процессор на основе ионов иттербия (Yb+) и разделили с его помощью написанные от руки изображения нуля и единицы, а также математических объектов — графов.

Причем для достижения цели были задействованы алгоритмы машинного обучения, реализованные на квантовом процессоре. Результаты научной работы опубликованы в Physical Review A — одном из наиболее авторитетных академических журналов, посвящённых вопросам физики.

«Такие технологии активно развивают во всех ведущих странах. На данный момент важный вызов — это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результатов нашей работы — применение этих алгоритмов в сочетании с технологией машинного обучения», — рассказал один из участников исследования, научный руководитель группы «Квантовые информационные технологии» РКЦ Алексей Фёдоров.

По его словам, в целом, подобные эксперименты проводили и ранее, но предложенный российскими специалистами подход отличается своей оригинальностью. В частности, учёные сравнили различные способы кодирования данных в квантовые состояния и определили наиболее эффективный вариант.

Как объяснили исследователи, в работе был применен метод SVM (support vector machine) — это популярный для задач классификации метод машинного обучения. Он помогает разделять данные на классы посредством проведенной между ними наиболее оптимальным образом нелинейной границы. «Ядерную часть» алгоритма (сравнение данных) выполняли на квантовом процессоре. Это позволило эффективно обрабатывать даже сложные изображения.

«Для перевода ионов в квантовое состояние мы создавали суперпозиции и проводили операции запутывания кубитов. Квантовые состояния отдельных ионов изменялись с помощью лазеров и детекторов излучения. По завершении вычислений измерялось состояние иона, и на основе этих данных интерпретировались результаты работы алгоритмов машинного обучения», — описал процесс квантовых вычислений Алексей Фёдоров.

В процессе работы учёные экспериментировали с квантовыми цепями (один из способов реализации алгоритмов, который уменьшает количество шумных операций), что помогло улучшить качество вычислений.

Как объяснили автоы работы, алгоритм «обучался» на маленьком наборе данных, где каждое изображение уже имело правильный ответ (ноль или единица). В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках, то есть справился с задачей без ошибок.

Таким образом было показано, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие как классификация изображений. Это большой шаг к будущему, где квантовые процессоры будут выполнять более сложные вычисления.

По словам директора ФИАН Николая Колачевского, в дальнейшем по мере развития подобная технология квантовой классификации сможет применяться для множества практических задач. Например, в медицине её можно использовать для автоматического анализа рентгеновских снимков и данных МРТ и КТ, что поможет оперативно диагностировать заболевания.

«В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Вместе с тем химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В то же время в финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски», — пояснил Николай Колачевский.

В будущем данная технология найдет применение в создании систем искусственного интеллекта, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных.

Источник: Отдел по связям с общественностью ФИАН.

https://new.ras.ru/activities/news/rossiyskie-fiziki-vpervye-sovmestili-kvantovyy-kompyuter-i-mashinnoe-obuchenie/

29.05.25 29.05.2025 Акулы нейропера. Российские физики впервые объединили квантовые вычисления и машинное обучение

Российские физики совершили прорыв в области квантовых вычислений, успешно объединив их с машинным обучением для решения практических задач, что открывает новые возможности для повышения эффективности вычислений.

https://myneuralnetworks.ru/nlp/media/image-output3664944235_rb7Nvx3.webp

Фото квантовой схемы

Физики из России впервые объединили квантовые вычисления с машинным обучением. В этом исследовании российские ученые продемонстрировали, как можно сочетать квантовые вычисления и алгоритмы машинного обучения для решения практических задач. В частности, они провели сравнение различных методов кодирования информации в квантовые состояния и выделили наиболее эффективный из них.

Во время экспериментов команда исследователей тестировала квантовые цепи, которые представляют собой один из способов реализации алгоритмов, способствующий снижению числа шумных операций. Это позволило значительно улучшить качество вычислений. Алгоритм проходил процесс обучения на ограниченном наборе изображений и успешно определял цифры как в обучающей, так и в тестовой выборках.

https://myneuralnetworks.ru/neronews/news_105272/

29.05.25 29.05.2025 Планета сегодня. Российские ученые объединили квантовые технологии с машинным обучением

https://planet-today.ru/media/k2/items/cache/eaec42b8173c358b44d9889c252fb105_XL.jpg

Российские ученые объединили квантовые технологии с машинным обучением

Впервые российские физики из Физического института имени П. Н. Лебедева Российской академии наук (ФИАН) совместно с коллегами из Российского квантового центра (РКЦ) продемонстрировали практическое применение квантового компьютера для выполнения задач машинного обучения, сообщает издание ТАСС. Уникальность эксперимента заключалась в том, что исследователи успешно применили квантовый процессор на основе ионов иттербия (Yb⁺) для классификации визуальных данных и анализа математических структур.

Команда ученых реализовала квантовый алгоритм, способный различать изображения, изображающие цифры 0 и 1, написанные от руки, а также определенные математические объекты — графы. По словам научного руководителя направления «Квантовые информационные технологии» в РКЦ Алексея Федорова, ключевым достижением проекта стало применение алгоритмов машинного обучения, адаптированных под архитектуру квантового процессора. Он подчеркнул, что хотя аналогичные опыты проводились и в других странах, российские специалисты предложили оригинальный метод кодирования данных в квантовые состояния и провели сравнение различных подходов, определив наиболее эффективный.

Исследователи использовали квантовые цепи, которые позволяют снизить количество шумных операций — одного из основных факторов, мешающих точности квантовых вычислений. Благодаря этому удалось улучшить производительность квантовой модели. Алгоритм проходил обучение на небольшом наборе изображений, каждая из которых уже имела заданную классификацию — ноль или единица. После завершения обучения система успешно распознала все изображения как в тренировочном, так и в тестовом наборе. Это, как отметили ученые, свидетельствует о том, что даже современные, сравнительно маломощные квантовые процессоры уже способны решать прикладные задачи, связанные с обработкой визуальных данных.

Директор ФИАН Николай Колачевский отметил, что разработанная технология квантовой классификации в будущем найдет широкое применение в различных сферах. В частности, он указал на перспективы внедрения в медицине, где квантовые методы анализа изображений могут ускорить диагностику заболеваний, используя данные рентгеновских снимков, МРТ и КТ. Также в области генетики и биоинформатики квантовые алгоритмы смогут анализировать ДНК-последовательности, определяя мутации и оценивая их потенциальное воздействие. В химической промышленности появится возможность моделирования сложных молекулярных взаимодействий и поиска новых веществ, а в финансовом секторе — анализировать сложные корреляции в больших объемах данных, оптимизируя прогнозирование и снижая потенциальные риски.

В заключение, ученые отметили, что квантовые вычисления способны в будущем существенно расширить возможности систем искусственного интеллекта. За счет повышения скорости обработки данных и качества обучения нейросетей, квантовые технологии станут важным дополнением к существующим подходам в ИИ.

https://planet-today.ru/novosti/tekhnologii/item/182761-rossijskie-uchenye-ob-edinili-kvantovye-tekhnologii-s-mashinnym-obucheniem

29.05.25 29.05.2025 MoneyTimes. Будущее наступило — квантовый компьютер в России начал решать задачи машинного обучени

https://img.moneytimes.ru/preview/article/7/9/7/56797_w.jpeg

В России впервые объединили квантовые вычисления и нейросети

Специалисты Физического института имени П. Н. Лебедева РАН совместно с учёными Российского квантового центра провели эксперимент по интеграции квантовых вычислений и алгоритмов машинного обучения. Об этом сообщили в пресс-службе ФИАН.

В ходе эксперимента использовался квантовый процессор на основе ионов иттербия. С его помощью была выполнена классификация изображений, включая рукописные цифры и графовые структуры. Исследование проводилось в рамках направления "Квантовые информационные технологии".

Целью работы являлась проверка работоспособности квантовых алгоритмов в прикладных задачах. Учёные исследовали различные способы кодирования информации в квантовые состояния и провели сравнительный анализ их эффективности. Один из протестированных подходов позволил повысить точность вычислений.

В рамках эксперимента применялись квантовые цепи, что способствовало снижению уровня шумов и повышению стабильности работы процессора. Алгоритм обучался на размеченном наборе изображений. Результаты тестирования показали, что даже при использовании ограниченного числа кубитов квантовый процессор способен точно выполнять классификацию визуальных данных.

По данным ФИАН, разработанная технология потенциально может использоваться в ряде областей. В медицине — для анализа диагностических изображений, в генетике — для обработки данных ДНК, в химии — для моделирования молекулярных структур, в экономике — для анализа финансовых показателей.

По оценке участников проекта, интеграция квантовых вычислений с методами машинного обучения может в перспективе повысить эффективность интеллектуальных систем и ускорить развитие технологий искусственного интеллекта.

https://www.moneytimes.ru/news/rossiya_neyroseti_vichisleniya/56797/

29.05.25 29.05.2025 Научная Россия. Квантовый компьютер впервые совместили с машинным обучением

Прогресс в разработке квантовых компьютеров показал, что они способны проводить вычисления, которые недоступны самым мощным классическим суперкомпьютерам. Исследователи из Физического института имени П.Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) одни из первых в мире продемонстрировали решение прикладных задач на квантовом компьютере. Так, в ходе эксперимента они использовали процессор на основе ионов иттербия (Yb+) и разделили с его помощью написанные от руки изображения нуля и единицы, а также математических объектов – графов.

https://scientificrussia.ru/images/d/3p4d-large.jpg

Источник фото - ru.123rf.com

Причем для достижения цели были задействованы алгоритмы машинного обучения, реализованные на квантовом процессоре. Результаты научной работы опубликованы в Physical Review A – одном из наиболее авторитетных академических журналов, посвященных вопросам физики.

«Такие технологии активно развивают во всех ведущих странах. На данный момент важный вызов – это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результатов нашей работы – применение этих алгоритмов в сочетании с технологией машинного обучения», – рассказал один из участников исследования, научный руководитель группы «Квантовые информационные технологии» РКЦ А.К. Федоров.   

По его словам, в целом, подобные эксперименты проводили и ранее, но предложенный российскими специалистами подход отличается своей оригинальностью. В частности, ученые сравнили различные способы кодирования данных в квантовые состояния и определили наиболее эффективный вариант.

Как объяснили исследователи, в работе был применен метод SVM (support vector machine) – это популярный для задач классификации метод машинного обучения. Он помогает разделять данные на классы посредством проведенной между ними наиболее оптимальным образом нелинейной границы. «Ядерную часть» алгоритма (сравнение данных) выполняли на квантовом процессоре. Это позволило эффективно обрабатывать даже сложные изображения.

«Для перевода ионов в квантовое состояние мы создавали суперпозиции и проводили операции запутывания кубитов. Квантовые состояния отдельных ионов изменялись с помощью лазеров и детекторов излучения. По завершении вычислений измерялось состояние иона, и на основе этих данных интерпретировались результаты работы алгоритмов машинного обучения», – описал процесс квантовых вычислений Алексей Федоров.

В процессе работы ученые экспериментировали с квантовыми цепями (один из способов реализации алгоритмов, который уменьшает количество шумных операций), что помогло улучшить качество вычислений.

Как объяснили ученые, алгоритм «обучался» на маленьком наборе данных, где каждое изображение уже имело правильный ответ (нуль или единица). В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках, то есть справился с задачей без ошибок.

Таким образом было показано, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие как классификация изображений. Это большой шаг к будущему, где квантовые процессоры будут выполнять более сложные вычисления.

По словам директора ФИАН Н.Н. Колачевского, в дальнейшем по мере развития подобная технология квантовой классификации сможет применяться для множества практических задач. Например, в медицине ее можно использовать для автоматического анализа рентгеновских снимков и данных МРТ и КТ, что поможет оперативно диагностировать заболевания.

«В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Вместе с тем химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В то же время в финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски», – пояснил Николай Колачевский.

В будущем данная технология найдет применение в создании систем искусственного интеллекта, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных.

Информация предоставлена Отделом по связям с общественностью ФИАН
Источник фото: ru.123rf.com

https://scientificrussia.ru/articles/kvantovyj-komputer-vpervye-sovmestili-s-masinnym-obuceniem

29.05.25 29.05.2025 Про Ульяновск. Ученые из России впервые объединили квантовый компьютер с машинным обучением

https://proulyanovsk.ru/userfiles/webp/-article-PUh1J5ltmfVpJIOOeKr0FRppabdZceqp.png.webp

pxhere.com

Исследователи из Физического института имени П. Н. Лебедева (ФИАН) и Российского квантового центра продемонстрировали уникальный пример применения квантового компьютера в машинном обучении. Используя процессор на ионах иттербия, они научили устройство распознавать написанные от руки нули и единицы, а также математические графы.

Учёные сравнили разные методы кодирования данных в квантовые состояния и выбрали наиболее эффективный. Алгоритм успешно обучился на небольшом наборе изображений и правильно распознавал цифры как в обучающей, так и в тестовой выборке. Это доказывает, что даже компактные квантовые компьютеры уже способны решать реальные задачи.

Директор ФИАН Николай Колачевский отметил, что такие технологии в будущем могут применяться в медицине для анализа рентгеновских и МРТ-снимков, в генетике — для изучения ДНК, в химии — для поиска новых молекул, а также в финансах — для анализа рынка и прогнозов.

Квантовые вычисления также помогут ускорить развитие искусственного интеллекта, сделав его обучение быстрее и точнее, пишет nauka.tass.ru.

https://proulyanovsk.ru/news/view/ucenye-iz-rossii-vpervye-obedinili-kvantovyj-komputer-s-masinnym-obuceniem

29.05.25 29.05.2025 Monavista. Физики из РФ впервые совместили квантовый компьютер и машинное обучение

Российские учёные впервые продемонстрировали интеграцию квантовых вычислений и алгоритмов машинного обучения при решении прикладных задач. Исследование провели специалисты Физического института имени П. Н. Лебедева РАН совместно с учёными Российского квантового центра. Как сообщили в пресс-службе ФИАН, в ходе эксперимента использовался квантовый процессор на основе ионов иттербия, с помощью которого удалось классифицировать изображения, включая рукописные цифры и графовые структуры.

По словам научного руководителя направления «Квантовые информационные технологии» Алексея Федорова, цель исследования заключалась в проверке работоспособности квантовых алгоритмов в прикладном контексте. Особое внимание было уделено выбору способа кодирования информации в квантовые состояния. Российские специалисты провели сравнительный анализ нескольких методов и определили наиболее эффективный, что позволило существенно повысить точность вычислений. Отмечается, что аналогичные опыты предпринимались ранее, однако предложенный в России подход отличался новизной и практической значимостью.

Во время эксперимента исследователи использовали так называемые квантовые цепи, что позволило сократить количество шумов и улучшить стабильность вычислений. Алгоритм проходил обучение на ограниченном наборе изображений, каждая из которых уже имела метку правильного ответа. Тестирование показало, что даже с небольшим числом кубитов квантовый процессор способен точно классифицировать визуальные данные. Таким образом, была продемонстрирована реальная применимость технологии для задач, связанных с распознаванием образов.

Как отметил директор ФИАН Николай Колачевский, подобная технология может найти широкое применение в различных областях. В медицине квантовые алгоритмы смогут участвовать в анализе снимков, полученных с помощью КТ, МРТ и рентгена, позволяя быстрее и точнее выявлять патологии. В генетике и биоинформатике квантовые методы будут использоваться для анализа ДНК и предсказания последствий мутаций. В химической отрасли технология окажется полезной для моделирования сложных молекулярных соединений и катализаторов, а в экономике — для распознавания скрытых закономерностей в финансовых данных, что может улучшить прогнозирование и повысить устойчивость инвестиций.

По оценке экспертов, в будущем квантовые вычисления будут активно интегрироваться в системы искусственного интеллекта, ускоряя процессы обучения нейросетей и увеличивая точность анализа информации. Исследование стало важным шагом на пути к практическому использованию квантовых технологий в сочетании с методами машинного обучения.

https://monavista.ru/article/4853644/

29.05.25 29.05.2025 Новости Челнов. Российские учёные впервые объединили квантовый компьютер с машинным обучением

https://progorodchelny.ru/userfiles/webp/-article-o7EF39Wa8yyDXzRP674X-0GsBoLR8J-n.png.webp

Исследователи из ФИАН и Российского квантового центра первыми в мире показали, как квантовый компьютер может решать задачи с помощью машинного обучения. Они использовали процессор на ионах иттербия, чтобы распознавать написанные от руки нули и единицы, а также математические графы.

По словам учёных, их подход уникален — они сравнили разные способы кодирования данных в квантовые состояния и выбрали лучший. В ходе экспериментов алгоритм «обучался» на небольшом наборе изображений и успешно распознавал цифры как на обучающих, так и на тестовых данных. Это доказывает, что даже маленькие квантовые компьютеры уже способны решать полезные задачи.

Директор ФИАН Николай Колачевский отметил, что в будущем такие технологии можно будет использовать в медицине для автоматического анализа рентгеновских снимков и МРТ, в генетике — для изучения ДНК, в химии — для поиска новых молекул, а в финансах — для анализа рынка и прогнозов.

Кроме того, квантовые вычисления помогут создавать более эффективные системы искусственного интеллекта, ускоряя обучение и повышая точность обработки данных.

https://progorodchelny.ru/ne-u-nas/view/rossijskie-ucenye-vpervye-obedinili-kvantovyj-komputer-s-masinnym-obuceniem

29.05.25 29.05.2025 Самара 24. Квантовый ИИ в действии: российские гении показали, что будущее уже наступило

Физики РФ впервые применили квантовый компьютер для задач машинного обучения

https://samaraonline24.ru/userfiles/webp/-article-HVU-zLiyJcQoDcahP0UeYiLIAywKWotx.jpg.webp

freepik.com

В России впервые квантовый компьютер был использован для решения практических задач машинного обучения специалистами из ФИАН и Российского квантового центра. Применяя квантовый процессор на основе ионов иттербия, они провели классификацию изображений, представляющих собой нули и единицы, а также различных графов. В ходе работы исследователи изучили разные подходы к кодированию информации в квантовых состояниях и определили наиболее оптимальный из них.

Использованный алгоритм был обучен на ограниченном наборе размеченных изображений, при этом продемонстрировал высокую точность как на тренировочных, так и на контрольных данных. Это свидетельствует о том, что даже квантовые процессоры с невысокой вычислительной мощностью уже способны успешно решать несложные прикладные задачи.

По словам директора ФИАН Николая Колачевского, эта технология имеет огромный потенциал в таких областях, как медицина, генетика, химия и финансы, открывая возможности для анализа изображений, выявления мутаций и оптимизации финансовых стратегий. Квантовые методы в перспективе могут значительно улучшить возможности искусственного интеллекта, сокращая время обучения нейронных сетей и повышая точность обработки информации.

https://samaraonline24.ru/russia/view/kvantovyj-ii-v-dejstvii-rossijskie-genii-pokazali-cto-budusee-uze-nastupilo

29.05.25 29.05.2025 ТАСС. Российские физики впервые совместили квантовый компьютер и машинное обучение

По словам директора ФИАН Николая Колачевского, в дальнейшем подобная технология квантовой классификации сможет применяться для множества практических задач

https://cdn-media.tass.ru/width/1920_63600a28/tass/m2/uploads/i/20250529/8260653.jpg

© Сергей Бобылев/ТАСС

МОСКВА, 29 мая. /ТАСС/. Исследователи из Физического института имени П. Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) одними из первых в мире продемонстрировали решение прикладных задач на квантовом компьютере с применением алгоритмов машинного обучения. Как рассказали ТАСС в отделе по связям с общественностью ФИАН, ученые использовали процессор на основе ионов иттербия (Yb+) и разделили с его помощью написанные от руки изображения нуля и единицы, а также математических объектов - графов.

"На данный момент важный вызов - это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результатов нашей работы - применение этих алгоритмов в сочетании с технологией машинного обучения", - рассказал один из участников исследования, научный руководитель группы "Квантовые информационные технологии" РКЦ Алексей Федоров. По его словам, в целом, подобные эксперименты проводили и ранее, но предложенный российскими специалистами подход отличается своей оригинальностью. В частности, ученые сравнили различные способы кодирования данных в квантовые состояния и определили наиболее эффективный вариант.

В процессе работы исследователи экспериментировали с квантовыми цепями (один из способов реализации алгоритмов, который уменьшает количество шумных операций), что помогло улучшить качество вычислений. Алгоритм "обучался" на маленьком наборе данных, где каждое изображение уже имело правильный ответ (нуль или единица). В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках. Таким образом было показано, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие как классификация изображений. Это большой шаг к будущему, где квантовые процессоры будут выполнять более сложные вычисления, отметили в ФИАН.

По словам директора ФИАН Николая Колачевского, в дальнейшем подобная технология квантовой классификации сможет применяться для множества практических задач. Например, в медицине ее можно использовать для автоматического анализа рентгеновских снимков и данных МРТ и КТ, что поможет оперативно диагностировать заболевания. "В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски", - пояснил Николай Колачевский.

В будущем технология найдет применение в создании систем искусственного интеллекта, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных.

https://nauka.tass.ru/nauka/24081105

Подкатегории