يشبه تعلم شبكة عصبية ضخمة على مئات العقد الحاسوبية إعداد الحساء بشكل جماعي: كل «طباخ» يتذوق الطبق ويخبر الآخرين بتعديلاته. في التعلم الآلي الحديث Machine Learning، تتطلب مثل هذه «المفاوضات» بين العقد وقتًا طويلًا، وتستهلك عرض النطاق الترددي للشبكة، وتكون عرضة للاعتراض — وكأن أسرار الوصفة قد يسمعها المنافسون.

استبدل الباحثون الإشارات التقليدية بـاتصال كمومي يعتمد على ظاهرة التشابك. يحصل كل كمبيوتر على جسيم واحد من زوج من الجسيمات المتشابكة — تتصرف هذه الجسيمات مثل وجهي عملة واحدة: تغيير حالة أحدهما يحدد فورًا حالة الآخر، أينما كان. البروتوكول الذي طوره تشارلز بينيت يسمح بنقل بتّين كلاسيكيين من المعلومات باستخدام إشارة كمومية واحدة فقط — مما يقلل حجم البيانات المرسلة إلى النصف. علاوة على ذلك، أي محاولة تجسس تُكتشف فورًا بفضل الخصائص الأساسية لميكانيكا الكم: فعل القياس يدمر الحالة المتشابكة، تاركًا أثرًا لا يُمحى. هذا النهج يسرع كلاً من الشبكات العصبية التقليدية والكمومية — تشبيه طبخ الحساء هنا يبسط الصورة، ففي الواقع «الطهاة» لا يتبادلون أحاسيس التذوق، بل معاملات النموذج، والاتصال الكمومي يجعل هذا التبادل شبه فوري ومحميًا.

بعد اكتمال التدريب، من الضروري التحقق من اتساق النتيجة على جميع العقد — للتأكد من أن «الحساء» متماثل في كل مكان. تقدم الطريقة الكمومية توفيرًا لا يمكن تحقيقه بالطرق التقليدية: يمكن لعدد قليل من الإشارات الكمومية أن يحل محل آلاف الإشارات العادية، مما يقلل بشكل جذري من التكاليف الإضافية للمزامنة.