Foi publicado na Nature Machine Intelligence um trabalho que propõe o QuanONet — um neurooperador quântico para a era dos dispositivos quânticos de escala intermediária com ruído. Neurooperadores clássicos são aplicados para resolver equações diferenciais parciais.
Os autores do trabalho associam o desenvolvimento de análogos quânticos eficientes a dois problemas das abordagens existentes: altos custos computacionais e lacunas teóricas. A descrição também afirma que alguns paradigmas de aprendizado de máquina quântico exigem escalonamento excessivo do número de qubits ou circuitos profundos demais para o equipamento de curto prazo.
A fonte é apresentada por meio de metadados e um breve sinopse da editora, e não pelo texto completo da pesquisa. Portanto, com os materiais disponíveis, não é possível estabelecer a arquitetura do QuanONet, os resultados dos experimentos, o número necessário de qubits ou a existência de comparação com métodos clássicos.
comentário editorial
Por que importa
O provável valor do trabalho é a busca por um formato mais aplicável de neurooperadores quânticos sob as limitações do equipamento quântico mais próximo. O próximo sinal observável serão os detalhes publicados da arquitetura e os resultados dos testes. Incerteza substancial permanece: a fonte disponível não confirma a eficácia, a escalabilidade ou a superioridade do método.