Истражувачки тим предводен од University College London објави резултати што покажуваат дека комбинирањето на квантно пресметување и вештачка интелигенција може значително да ја подобри прогнозата на сложени, хаотични физички системи. Студијата е објавена во списанието Science Advances на 17 април 2026 година.
Клучната идеја е хибриден пристап: квантен компјутер прво ги издвојува стабилните статистички обрасци во податоците, а потоа тие обрасци се користат за тренирање модел на класичен суперкомпјутер. Според авторите, овој чекор ја зголемува точноста и ја подобрува долгорочната стабилност на прогнозите, особено кај системи каде малите промени брзо создаваат големи отстапувања.
Во споредба со стандардни модели без квантна компонента, квантно-информираниот модел постигнал околу 20% подобра точност. Дополнително, методот користел стотици пати помалку меморија, што е важна предност за големи симулации во наука и инженерство.
Примените се широки: од климатски прогнози и моделирање на турбуленции, до биомедицински симулации како проток на крв и молекуларни интеракции, како и оптимизација на енергетски системи, вклучително и дизајн на ветерни паркови.
Тимот користел 20-кубитен IQM квантен компјутер во комбинација со класични ресурси во Leibniz Supercomputing Centre во Германија. Авторите нагласуваат дека методот избегнува дел од ограничувањата на денешниот квантен хардвер, бидејќи квантниот дел се користи во конкретна фаза наместо во постојана размена на податоци.
Следниот чекор е скалирање на пристапот со поголеми сетови на податоци и тестирање во реални сценарија со уште поголема комплексност. Ако резултатите се потврдат и на поширока основа, овој модел може да стане практичен мост меѓу квантните технологии и секојдневните научни пресметки.
