Квантовый сопроцессор для POMDP
Автономные системы часто работают в условиях частичной наблюдаемости, где решения принимаются на основе вероятностных убеждений (beliefs), а не сырых данных. Команда исследователей во главе с Байрамом Юкселем Экером представила архитектуру QANTIS, которая использует квантовый процессор не для полного управления, а как специализированный сервис для обновления убеждений.
Система принимает априорное распределение и модель наблюдений, оценивает член редкого события (rare-event evidence term) и возвращает классическому планировщику точный апостериорный результат. Это позволяет избежать накопления ошибок в длинных последовательностях действий.
Эксперимент на IBM Heron
Ключевой вопрос исследования: можно ли переиспользовать квантовый модуль в последовательном процессе без искажения итоговой вероятности? Тестирование проводилось на задаче Tiger POMDP (стандартный бенчмарк для проверки алгоритмов принятия решений) с использованием реального оборудования IBM Heron.
Ученые сравнили три подхода к амплитудному усилению на одном и том же траектории:
- No amplification: Базовый режим без усиления.
- Guarded Grover: Усиление Гровера с защитой от перескоков.
- All-step FPAA: Фиксированное усиление на всех шагах (Fixed-Point Amplitude Amplification).
Результаты: точность против шума
Главным метрикой успеха стало не время вычисления, а совпадение действий, выбранных квантовым планировщиком, с идеальным байесовским решением. Результаты показали, что метод All-step FPAA эффективно подавляет шум IBM Heron.
| Параметр | Результат / Наблюдение |
|---|---|
| Платформа | IBM Heron (суперпроводящий кубит) |
| Основной тест | 8 и 12 шагов (horizon) |
| Контрольный тест | 20 и 32 шага (long-horizon) |
| Совпадение действий | 100% (Hardware posterior == Exact Bayes) |
| Стабильность | Boundary-aware BIQAE стабилизирует оценки near 0 и near 1 |
Почему это важно
Результат QANTIS — это не claim о «квантовом превосходстве» в скорости, а демонстрация рабочей оболочки (operating envelope) для квантово-калиброванного примитива обновления убеждений. Исследование доказывает, что даже на современных шумных устройствах (NISQ) можно выполнять сложные вероятностные вычисления для автономных систем, не теряя корректности принимаемых решений на горизонтах до 32 шагов.
Источник: arXiv cs.AI ↗