AlphaZero-algoritmin soveltaminen kvanttilaskentaan

Kvanttilaskenta on tullut enemmän keskusteluun viime vuosien aikana. Tutkijat ja yritykset ympäri maailmaa työskentelevät jatkuvasti tämän teknologian kehittämiseksi, joka voi ratkaista erittäin monimutkaisia ongelmia, jotka ovat liian edistyneitä klassisille tietokoneille.

Yksi tällainen ryhmä, joka työskentelee kvanttitietokoneen parissa, on Aarhusin yliopistossa. Professori Jacob Shersonin johtama tutkimusryhmä käytti tietokonealgoritmiä AlphaZero ohjatakseen kvanttijärjestelmää.

Kvanttitietokoneet käyttävät kvanttimekaniikkaa, joka on fysiikan haara, joka keskittyy maailmamme pienimpiin rakennuslohkoihin. Yksi perussäännöistä on, että järjestelmä voi olla useassa tilassa samanaikaisesti.

Nämä säännöt käännetään tietokonekieliksi, ja kvanttitietokone pystyy suorittamaan useita laskelmia samanaikaisesti. Tämä tarkoittaa, että kvanttitietokone voi suorittaa laskelmia paljon nopeammin kuin tavalliset tietokoneet.

Kvanttitietokoneiden teoria on vakiintunut, mutta kokonainen kvanttitietokone ei ole vielä luotu.

AlphaZero pystyy oppimaan itsenään ilman ihmisten väliintuloa. Tämän vuoksi algoritmi on pystynyt voittamaan sekä ihmiset että monimutkaiset tietokoneohjelmat haastavissa peleissä, kuten Go, Shogi ja Chess. AlphaZero pystyi tähän kilpailemalla itseään vastaan ja parantamalla itseään ajan myötä.

Algoritmi pystyi voittamaan johtavan shakki-ohjelman Stockfishin pelattuaan itseään vastaan vain neljä tuntia. Tämän jälkeen tanskalainen suurmestari Peter Heine Nielsen vertasi AlphaZeroa ylivoimaiseen avaruusolentoon.

Aarhusin yliopiston tutkimusryhmä on käyttänyt tietokonesimulaatioita osoittamaan, miten AlphaZero voidaan soveltaa kolmeen eri ohjausongelmaan. Nämä voivat mahdollisesti olla käytössä kvanttitietokoneessa.

“AlphaZero käyttää syvää neuroverkkoa yhdistettynä syvään eteenpäin katseeseen ohjatussa puuhakusessa, mikä mahdollistaa ennustavan piilotetun muuttujan approksimoinnin kvanttiparametrien maisemassa. Korostamaan siirtämistä, sovellemme ja benchmarkkaamme algoritmin kolmeen luokkaan ohjausongelmia käyttäen vain yhtä yhteistä joukkoa algoritmisen hyperparametrien asetuksia”, tutkimus sanoo.

Tutkimusryhmän tekemä tutkimus julkaistiin Nature Quantum Information-julkaisussa.

Johtava tohtorikoulutettava Mogens Dalgaard puhui siitä, miten ryhmä oli vaikuttunut AlphaZeron kyvystä opetella nopeasti itse.

“Kun analysoimme AlphaZeron dataa, näimme, että algoritmi oli oppinut hyödyntämään ongelmassa olevan symmetrian, jota emme aluksi huomioineet. Se oli uskomaton kokemus.”

Oikea läpimurto tapahtui, kun AlphaZero yhdistettiin erityiseen kvantti-optimoimisalgoritmiin.

Professori Jacob Shersonin mukaan, “Tämä osoittaa, että meidän on edelleen tarve ihmisten taitoon ja asiantuntemukseen, ja että tulevaisuuden tavoitteena tulisi olla ymmärtää ja kehittää hybridi-älykkyyden liittymiä, jotka hyödyntävät molempien vahvuuksia.”

Ryhmä haluaa nopeuttaa kehitystä alalla, joten he julkaisivat koodin ja tekivät sen vapaasti saataville. Tämä herätti paljon mielenkiintoa.

“Muutamassa tunnissa minuun otettiin yhteyttä suurista teknologiayrityksistä, joilla on kvanttilaboratoriot, ja kansainvälisistä johtavista yliopistoista perustamaan tulevia yhteistyösopimuksia” Jacob Sherson sanoi. “Niin että ei ole pitkä aika, ennen kuin nämä menetelmät tulevat käyttöön käytännön kokeissa ympäri maailmaa.”

DeepMind on UK-pohjainen Google-sisaryhtiö, joka on vastuussa sekä AlphaZerosta että AlphaGosta. Nämä järjestelmät osoittavat nyt merkitystään myös muilla aloilla, kuten kvanttilaskennassa.