IBM Research hợp tác với Đại học Cambridge đã công bố một thuật toán mới mang tên Quantum‑Enhanced Reinforcement Learning (Q‑RL) trên tạp chí Science. Thuật toán này kết hợp các vòng lặp quantum‑phase estimation với các phương pháp policy gradient truyền thống, cho phép khai thác tính chất siêu vị trí (superposition) để đánh giá đồng thời nhiều hành động.
Trong các thí nghiệm trên môi trường mô phỏng robot di chuyển và trò chơi Atari, Q‑RL đạt tốc độ học nhanh hơn 5‑10 lần so với các thuật toán RL hiện có, đồng thời giảm đáng kể số lần thử nghiệm cần thiết để đạt mức hiệu suất nhất định.
Các nhà nghiên cứu nhấn mạnh rằng Q‑RL không yêu cầu phần cứng quantum đặc biệt; nó có thể được mô phỏng trên các GPU hiện đại nhờ vào thuật toán hybrid. Điều này mở ra khả năng áp dụng công nghệ quantum trong các ứng dụng thực tế như tối ưu hoá logistics, quản lý năng lượng và giao dịch tài chính.
Bài báo sẽ được trình bày tại hội nghị Q2B (Quantum‑to‑Business) 2026 tại San Francisco, và mã nguồn mô phỏng Q‑RL đã được công bố trên GitHub dưới giấy phép Apache 2.0.