Vögel, Fische, Bienen, Ameisen und Termiten bilden Schwärme und nutzen aus, dass sie in der Gruppe stärker, intelligenter und schneller sind. Ein kollektives Ergebnis oder eine Entscheidung einer Gruppe setzt sich dabei aber oft gegen die eines einzelnen Experten durch. Bei der Übertragung einer solche Schwarmintelligenz auf Quantennetzwerke haben Krisnanda et al. (2023) herausgefunden, dass mehrere schlecht trainierte Quantennetzwerke zusammen leistungsfähiger sind als ein einzelnes gut trainiertes. Um Experten und Kollektiv vergleichen zu können, hatte man die Anzahl der Trainingsdurchläufe in Summe für beide Systeme identisch gehalten. Eine Vergrößerung des Schwarms bietet demnach sogar eine Möglichkeit, die Fehlerrate beliebig niedrig werden zu lassen, was eine entscheidende Voraussetzung dafür bildet, maschinelles Lernen in realen Anwendungen zuverlässig einsetzen zu können.
Literatur
Krisnanda, Tanjung, Dini, Kevin, Xu, Huawen, Verstraelen, Wouter & Liew, Timothy C.H. (). Wisdom of Crowds in Quantum Machine Learning. Physical Review Applied, 19, doi:10.1103/PhysRevApplied.19.034010.