Группа исследователей из девяти авторов во главе с Лукой Канделори 6 января 2026 года опубликовала работу, в которой продемонстрировала эффективное машинное обучение с учителем на квантовом процессоре IBM Heron, использовав до 50 кубитов для экспериментов на эталонных наборах данных.
Ключевым нововведением стал метод на основе линейных гамильтонианов, который создаёт компактное квантовое представление классических данных через задачи о основном состоянии для k-локальных гамильтонианов. Для вычисления низкоэнергетических состояний гамильтонианов данных применялся недавно разработанный выборочный метод квантовой диагонализации Крылова.
Работа решает две фундаментальные проблемы квантового машинного обучения для ближайшего будущего: высокую квантовую стоимость загрузки классических данных и плохую обучаемость многих существующих алгоритмов. Предложенный подход с локальными градиентами для обучения параметров показал масштабируемость.
Эксперименты на реальном квантовом оборудовании с десятками кубитов подтверждают практическую применимость метода, что является важным шагом на пути к реализации преимуществ квантовых вычислений в анализе данных.
