Вход на сайт

Просмотр новости

Найдите то, что Вас интересует

«Квантовый оракул»: Российский разработчик придумал, как ускорить обучение ИИ в 300 раз

Дата публикации: 25-09-2026 11:18:00

Квантовые компьютеры смогут обучать нейросети в 300 раз быстрее классических систем. Ученый из МАДИ создал позволяющий делать это инструмент.


Основное содержимое страницы с новостью.

25 Сентября 2026 14:18 25 Сен 2026 14:18 |

Квантовые компьютеры смогут обучать нейросети в 300 раз быстрее классических систем. Ученый из МАДИ создал позволяющий делать это инструмент.

Инструмент для создания квантовых нейросетей

Старший преподаватель Московского автодорожного института (МАДИ) Цезарь Пронин разработал инструмент, который позволит квантовым компьютерам обучать нейросети более чем в 300 раз быстрее классических систем, пишет ТАСС, ссылаясь на сообщение Минобрнауки России.

«Исследователь предложил оригинальный способ создания "квантового оракула" — специального алгоритма-навигатора, который направляет вычисления сразу к правильному ответу, минуя долгий перебор вариантов. Это важный шаг на пути к созданию реальных прикладных квантовых нейросетей», — сказали представители министерства.

Ученый продолжит работу, чтобы найти способы устранить ограничения в применении нового подхода — масштабирование для 2-3-кубитных регистров, адаптация под симуляторы и NISQ-устройства (квантовые компьютеры промежуточного масштаба), а также для решения вопросов разрядности квантовой арифметики.

Ускорение в сотни раз

Для определения нужного ответа квантовому вычислителю, который в отличие от классического перебора, оценивает множество вариантов решения одновременно (алгоритм Гровера), нужен так называемый «оракул». Это математическая функция, которая распознает верное решение и совершает «поворот амплитуды» вероятности в его сторону, усиливая правильный сигнал.

Новый инструмент поможет созданию реальных прикладных квантовых нейросетей

Вспомогательные вычисления при этом необходимо «сворачивать» без потери информации. В этом заключается главная техническая сложность, то есть квантовые операции должны быть строго обратимыми.

Пронин предложил для решения этой задачи использовать в роли «оракула» обратимый квантовый умножитель. Ученый систематизировал матричный аппарат и построил квантовые аналоги базовых логических операций (NOT, AND, OR, XOR), а также полного сумматора. На базе этого подхода сформулирована концепция схем обучения базового элемента нейросети — квантового персептрона, где «оракул» строится на основе функции активации.

Расчеты показывают, что алгоритм Гровера с новым компонентом находит решение примерно в 326 раз быстрее классического перебора на примере 16-кубитного регистра. Это закладывает теоретический фундамент для того, чтобы будущие квантовые процессоры решали не абстрактные, а реальные прикладные задачи в промышленности и социальной сфере, обрабатывая огромные массивы данных за доли секунды, пояснили в Минобрнауки.

Скорость обучения имеет значение

Осенью 2025 года китайский ИИ-стартап DeepSeek выпустил большую языковую модель DeepSeek-V3.2-Exp и заявил, что интегрированный в нее подход позволил снизить стоимость эксплуатации вдвое, как писал Wall Street Journal. В начале 2025 г. выход на рынок DeepSeek-R1 вызвал обвал стоимости Nvidia за одну сессию почти на $600 млрд, так как будучи сопоставимой с разработками OpenAI, эта модель требует гораздо меньше затрат на обучение.

Андрей Бурилов, ИТ-директор Мосбиржи: Финансовые операции станут частью кода

Андрей Бурилов, ИТ-директор Мосбиржи: Финансовые операции станут частью кода цифровизация

Российские разработчики заметно снизили стоимость использования языковых моделей по сравнению с октябрем 2025 г., рассказали CNews в Nodul в августе 2026 г. Однако если сравнивать их с зарубежными решениями того класса, с которыми российские разработчики сами сопоставляют свои LLM, российские модели по-прежнему могут стоить существенно дороже.

Например, у Alice AI LLM, которую разработчик сопоставляет с DeepSeek V3.1. Так, Alice AI LLM стоит 0,50 руб. за 1 тыс. входных и 1,20 руб. за 1 тыс. генерируемых токенов. DeepSeek V3.1 по официальному тарифу стоила около 0,048 и 0,143 руб. соответственно. Таким образом, российская модель обходится примерно в 10,5 раза дороже по входным и в 8,4 раза — по исходным токенам. YandexGPT 5.1 Pro стоит 0,80 руб. за 1 тыс. входных и генерируемых токенов, тогда как GPT-4.1 — около 0,17 руб. за входные и 0,68 руб. за генерируемые. В результате YandexGPT 5.1 Pro обходится примерно в 4,7 раза дороже GPT-4.1 по входным токенам и примерно на 17% дороже по выходным.

Анна Любавина



Другие материалы рубрики

Схожие новости

#Наименование новостиТональностьИнформативностьДата публикации
1«Квантовый оракул»: Российский разработчик придумал, как ускорить обучение ИИ в 300 раз012.4525-09-2026
2«Квантовый оракул»: Российский разработчик придумал, как ускорить обучение ИИ в 300 раз012.4525-09-2026
3Учёный МАДИ разработал алгоритм для ускорения нейросетей в 300 раз010.7525-09-2026
4В РФ создали новый метод ускорения машинного обучения на квантовых компьютерах08.425-09-2026
5В России в восемь раз ускорили разработку ИИ для работы с ускорителями частиц0004-12-2025
6В России разработали универсальный метод быстрой донастройки нейросетей0004-06-2025
7В России оптоволоконную сеть научили распознавать события с помощью ИИ01020-09-2026
8Китай придумал, как разогнать нейросети в 100 раз, сократив потребление энергии и вычислительной мощности5715-07-2026
9Китай придумал, как разогнать нейросети в 100 раз, сократив потребление энергии и вычислительной мощности7715-07-2026
10Китай придумал, как разогнать нейросети в 100 раз, сократив потребление энергии и вычислительной мощности5715-07-2026

Классификация: Наука. Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 12.45. Источник: cioguru.cnews.ru.