أعلنت شركة مايكرو كلاود هولوغرام (ناسداك: HOLO )، ("HOLO" أو "الشركة")، وهي شركة مزودة لخدمات التكنولوجيا، عن تطوير طريقة جديدة للتعلم الكمي المُشرف، مع إثبات دقيق لقدرتها على تسريع العمليات الكمومية في مسائل التصنيف الشاملة. لا تتغلب هذه الطريقة على قيود العديد من خوارزميات التعلم الآلي الكمي الحالية فحسب، بل توفر أيضًا نهجًا متينًا، مما يُمكّنها من الحفاظ على قدرات تصنيف فعالة وعالية الدقة حتى في ظل الأخطاء الناتجة عن إحصاءات العينات المحدودة.

يكمن جوهر طريقة التصنيف المُسرّع كميًا الشاملة في HOLO في بناء مشكلة تصنيف وتصميم نهج تعلم كمي أساسي يُوظّف الحوسبة الكمومية للتسريع. في هذه العملية، تُقترح مجموعة بيانات مُعدّة بعناية، وقد ثَبُت أنه في ظل الافتراض المُتعارف عليه بأن مسألة اللوغاريتم المُنفصل صعبة حسابيًا، لا يُمكن لأي مُتعلّم كلاسيكي تصنيف هذه البيانات بدقة حدودية عكسية أفضل من التخمين العشوائي. يُعدّ اختيار هذا الافتراض أمرًا بالغ الأهمية، إذ تُعدّ مسألة اللوغاريتم المُنفصل حجر الزاوية في التشفير الحديث، ويُعتبر حلها بالغ الصعوبة على الحواسيب الكلاسيكية. وبالتالي، إذا استطاعت طريقة HOLO الكمومية معالجة هذه المشكلة بفعالية وتوفير قدرات تصنيف تتفوق بشكل كبير على الخوارزميات الكلاسيكية، فإنها ستُثبت رسميًا وجود ميزة كمومية.

علاوةً على ذلك، ولضمان جدوى المصنف الكمي في بيئات الحوسبة الكمومية الحقيقية، صممت HOLO سلسلة من الدوائر الكمومية الوحدوية ذات المعلمات، وأثبتت كفاءتها في التنفيذ على حواسيب كمومية مقاومة للأخطاء. تُرسِم هذه الدوائر الكمومية عينات البيانات في فضاء سمات كمومي عالي الأبعاد، وتُقدّر مُدخلات النواة من خلال حاصل الضرب الداخلي للحالات الكمومية. ومن خلال هذه العملية، يستغلّ المصنف الكمي في HOLO بالكامل القدرة الحسابية الأسيّة للحوسبة الكمومية، محققًا دقة تصنيف تتجاوز بكثير دقة أساليب التعلم الآلي التقليدية.

تكمن الفكرة الأساسية لتعلم النواة الكمومي في استخدام الحواسيب الكمومية لحساب دوال نواة محددة لا تستطيع الحواسيب التقليدية حسابها بكفاءة بسبب تعقيدها الحسابي. تعتمد أساليب التعلم المُشرف التقليدية، مثل آلات المتجهات الداعمة (SVMs)، على أساليب النواة لقياس التشابه بين نقاط البيانات، بينما يحقق نهج HOLO ذلك بالاستفادة من حاصل الضرب الداخلي للحالات الكمومية.