Tutkijat luovat uuden algoritmin kvantilaitteiden vahvistamiseksi

Tokiosta tutkijat ovat käyttäneet koneoppimista luodakseen uuden algoritmin, joka mahdollistaa kvantilaitteiden tehokkaan ja tarkan vahvistamisen. Uudet kvantimekaaniset ominaisuudet ovat yhä suositumpia, ja niiden vuoksi niiden vahvistaminen on välttämätöntä.

Tutkimus on julkaistu APS Physics.

Kvantti-Internet

Useimmat asiantuntijat pitävät kvanttitietokoneita edelleen kehitysvaiheessa, mutta kvantti-Internet on edistyneempää ja lähempänä nykypäivää. Tämän saavuttamiseksi tarvitaan kuitenkin paljon enemmän tutkimusta ja kehitystä kvantilaitteiden suunnittelulle.

Yksi näistä tärkeistä työkaluista on algoritmi, joka vahvistaa kvantilaitteita. Sen kehittivät post doc -tutkija Quoc Hoan Tran ja apulaisprofessori Kohei Nakajima Tokion yliopiston tietojenkäsittelytieteen korkeakoulusta.

Tutkijoiden mukaan laite voi tehdä kvantilaitteiden käyttäytymisen vahvistamisen tehokkaammaksi ja tarkemmaksi. Algoritmi voi jälleenrakentaa aikariippuvan kvantilaitteen toiminnan, ja se tekee tämän oppimalla kvantilaitteiden sisääntulon ja ulostulon välisen suhteen.

“Tekniikka, jolla kuvataan kvantijärjestelmä sen sisääntulojen ja ulostulojen perusteella, kutsutaan kvanttiprosessin tomografialle”, sanoi Tran. “Monet tutkijat kuitenkin ilmoittavat, että heidän kvantijärjestelmillään on jokin muistivaikutus, jossa nykyiset tilat vaikuttavat edellisiin. Tämä tarkoittaa, että yksinkertainen tarkastelu sisääntulo- ja ulostilotiloja ei voi kuvata järjestelmän aikariippuvaa luonnetta. Voit mallintaa järjestelmää toistuvasti jokaisen ajan muutoksen jälkeen, mutta tämä olisi erittäin laskennallisesti tehokasta. Pyrkimyksenämme oli omaksua tämä muistivaikutus ja hyödyntää sitä etumme puolesta sen sijaan, että käytämme voimakeinoja sen voittamiseksi.”

Algoritmin rakentaminen

Algoritmin rakentamiseksi tiimi käytti koneoppimista ja tekniikkaa, jota kutsutaan kvanttivara-akkuksi. Oppimalla kvantijärjestelmän sisääntulot ja ulostulot, jotka muuttuvat ajan myötä, se voi arvata, miten kuviot muuttuvat. Se voi tehdä nämä ennustukset jopa tilanteissa, joita ei ole vielä havaittu.

“Tällä hetkellä algoritmi voi jäljitellä tietynlaista kvantijärjestelmää, mutta hypoteettiset laitteet voivat vaihdella laajasti prosessointikapasiteetissaan ja niillä on erilaiset muistivaikutukset. Seuraava tutkimusvaihe on laajentaa algoritmien kykyjä, tekemällä niistä yleispätevämpiä ja siten hyödyllisempiä”, sanoi Tran. “Olen innoissani siitä, mitä kvanttilaskennan menetelmät voivat tehdä, mitä hypoteettisia laitteita ne voivat johtaa.”