양자 시스템의 동작을 예측하는 인공 지능

• AI 모델은 주어진 양자 기계가 양자적 이점을 가질지 여부를 예측합니다.
• 양자 시스템의 네트워크 구조를 분석하고 점진적으로 동작을 예측하는 방법을 학습하는 신경망을 기반으로 합니다.
• 이것은 과학자들이 새로운 효율적인 양자 장치를 개발하는 데 도움이 될 것입니다.

양자 컴퓨팅은 오늘날 컴퓨터가 처리할 수 없는 다양한 복잡한 문제를 해결할 수 있는 잠재력을 가지고 있습니다. 예를 들어, 과학자들이 화학 반응을 자세히 연구하고 제약 및 기타 분야에서 안정적인 분자 구조를 감지하는 데 도움이 될 수 있습니다.

그러나 고전 및 양자 컴퓨터 과학의 핵심 문제 중 하나는 계산 속도 향상입니다. 양자 컴퓨터는 기존 컴퓨터보다 훨씬 빠르게 수행할 수 있지만 그러한 기계를 개발하려면 많은 시간과 돈이 필요합니다. 그렇더라도 아무도 이 기계가 양자적 이점을 나타낼 것이라고 보장할 수 없습니다.

최근 모스크바 물리 기술 연구소, ITMO 대학, 발리예프 물리 기술 연구소의 연구팀은 주어진 양자 기계가 양자적 이점을 가질지 여부를 예측하는 새로운 도구를 개발했습니다.

이 새로운 도구는 양자 시스템의 네트워크 구조를 분석하고 점차적으로 그 동작을 예측하는 방법을 학습하는 신경망을 기반으로 합니다. 과학자들이 새로운 효율적인 양자 장치를 개발하는 데 도움이 될 것입니다.

양자 컴퓨터를 구축할 후보를 정확히 찾아내는 AI

양자 정보를 효율적으로 처리하기 위해 최근 몇 년 동안 양자 워크가 사용되었습니다. 그것들은 고전적인 랜덤 워크의 양자 대응물입니다. 이 현상을 양자 회로의 기초가 되는 특정 네트워크에서 이동하는 입자로 시각화할 수 있습니다.

고전적 보행기의 상태와 달리 양자 보행기의 상태는 여러 위치의 일관된 중첩이 될 수 있습니다. 장치 회로의 입자가 기존의 것보다 빠르게 양자 보행(한 네트워크 노드에서 다른 네트워크 노드로)을 나타내는 경우 장치는 양자 이점을 갖게 됩니다.

참조:New Journal of Physics | DOI:10.1088/1367-2630/ab5c5e | MIPT

이 연구에서 연구자들은 머신 러닝 모델을 사용하여 이러한 우수한 네트워크를 식별했습니다. 이 모델은 네트워크를 구분하고 주어진 네트워크가 양자적 이점을 제공할 것인지 여부를 점차적으로 예측하는 방법을 학습합니다. 이는 효율적인 양자 컴퓨터를 개발하는 데 사용할 수 있는 네트워크를 제공합니다.

양자적 이점을 찾는 AI의 그림

훈련 예제는 클래식 입자와 양자 입자 모두의 랜덤 워크 역학을 시뮬레이션하여 생성되었습니다. 각 교육 예제에는 인접 행렬과 해당 레이블('고전' 또는 '양자')이 포함되어 있습니다.

연구팀은 또한 양자 알고리즘을 기반으로 하는 계산 회로의 개발을 단순화하는 도구를 구축했습니다. 재료 과학 및 생체 광자학 연구를 수행하는 데 사용할 수 있습니다.

양자 산책

양자 보행은 자연 현상의 양자 계산을 구현하는 간단한 방법(큐비트 및 게이트 기반 아키텍처보다 훨씬 간단함)을 제공합니다. 예를 들어, 그들은 엽록소나 로돕신과 같은 감광성 단백질의 여기를 정확하게 설명할 가능성이 있습니다.

읽기:새로운 컴퓨팅 패러다임을 특징으로 하는 5가지 양자 프로세서

단백질은 네트워크 구조와 유사한 구조를 가진 복잡한 생체 분자이기 때문에 한 네트워크 노드에서 다른 네트워크 노드까지의 양자 보행 시간을 결정하면 분자 내에서 실제로 어떤 일이 진행되는지 알 수 있습니다. .