Naukowcy z arXiv opublikowali badanie nad algorytmem QANTIS, który traktuje procesor kwantowy IBM Heron jako ustandaryzowaną usługę do aktualizacji przekonań w pętli systemów autonomicznych. W tradycyjnych systemach o częściowej obserwacji agenci muszą działać na podstawie przekonań, a nie surowych danych czujników - tu właśnie pojawia się quantum computing jako potencjalny akcelerator obliczeń probabilistycznych.
Team przeprowadził kontrolowany eksperyment na problemie Tiger POMDP, klasycznym benchmarku decyzji sekwencyjnych, testując trzy warianty amplifikacji amplitudy: bez amplifikacji, z użyciem Grover amplification i fixed-point amplitude amplification na wszystkich krokach. Horizon testów obejmował sekwencje 8, 12, 20 i 32 kroków, co jest znacznie dłuższe niż typowe dotychczasowe eksperymenty kwantowe. Kluczowy wynik: we wszystkich przypadkach posteriori zwracane przez hardware i dokładne posteriori Bayesa wybrały identyczne natychmiast działanie dla planera.
To nie jest obietnica przyspieszenia wall-clock czy uniwersalnej przewagi sprzętu kwantowego - zespół otwarcie przyznaje, że to case study parametrów operacyjnych. Jednak stabilizacja BIQAE przy wartościach bliskich zeru i jedynce, połączona z mapowaniem landscape'u dla zdarzeń rzadkich (jeden na milion), definiuje praktyczną otoczkę dla prymitywu aktualizacji przekonań kalibrowanego sprzętem. To znaczy, że można polegać na IBM Heron do konkretnego podzadania w autonomicznych systemach, a nie traktować go jako czarną skrzynię.