Команда учёных из Университетского колледжа Лондона (UCL) под руководством профессора Питера Ковени продемонстрировала, что квантовый компьютер способен кардинально улучшить работу классического искусственного интеллекта. Результаты исследования, опубликованные 17 апреля 2026 года в журнале Science Advances, показали: гибридный квантово-классический подход повышает точность прогнозирования хаотических систем на 20% по сравнению со стандартными нейросетями, при этом потребляя в сотни раз меньше оперативной памяти.
Исследователи использовали 20-кубитный квантовый компьютер IQM, установленный в Лейбницком суперкомпьютерном центре в Мюнхене и охлаждённый до минус 273 градусов Цельсия — практически до абсолютного нуля. Квантовая машина выявляла в данных так называемые инвариантные статистические свойства — устойчивые закономерности, которые сохраняются во времени даже в самых хаотических процессах. Эти паттерны затем передавались классической нейросети для обучения на суперкомпьютере.
«Наш квантово-информированный ИИ позволяет получать более точные прогнозы значительно быстрее», — заявил профессор Питер Ковени, старший автор работы. Первый автор статьи Майда Ванг подчеркнула, что метод демонстрирует «квантовое преимущество практическим способом» — то есть квантовый компьютер действительно решает задачу лучше, чем чисто классический подход. Соавтор Сяо Сюэ добавил, что работа доказывает возможность «осмысленной интеграции квантовых вычислений с классическим машинным обучением».
Ключевое инженерное решение команды — использование всего одного этапа квантовой обработки. В отличие от других гибридных подходов, где данные многократно пересылаются между квантовым и классическим процессорами, метод UCL минимизирует эти дорогостоящие передачи. Квантовые свойства — суперпозиция и запутанность — позволяют компактно представлять сложную физику систем, что объясняет радикальное снижение требований к памяти.
Практические применения технологии охватывают широкий спектр критически важных областей: от климатического моделирования и прогнозирования турбулентности до симуляции кровотока в медицине и оптимизации работы ветряных электростанций. Везде, где поведение жидкостей и газов определяет результат, квантово-информированный ИИ может дать ощутимое преимущество в точности и скорости вычислений.
Исследование финансировалось UCL и Инженерно-физическим исследовательским советом Великобритании (EPSRC) при поддержке компании IQM Quantum Computers и Лейбницского суперкомпьютерного центра. Работа вписывается в глобальный тренд апреля 2026 года: на фоне запуска NVIDIA Ising и ралли акций квантовых компаний (IonQ +50%, D-Wave +50%, Rigetti +30%) индустрия демонстрирует, что квантовые вычисления переходят из лабораторий в практические приложения быстрее, чем ожидалось.
