Algoritmo AlphaZero applicato al calcolo quantistico

Il calcolo quantistico è diventato sempre più importante negli ultimi anni. Ricercatori e aziende di tutto il mondo stanno lavorando costantemente per sviluppare questa tecnologia, che può risolvere problemi estremamente complessi che sono troppo avanzati per i computer classici.

Un gruppo di ricerca dell’Università di Aarhus, guidato dal professor Jacob Sherson, ha utilizzato l’algoritmo del computer AlphaZero per controllare un sistema quantistico.

I computer quantistici utilizzano la meccanica quantistica, che è una branca della fisica che si concentra sui più piccoli blocchi costitutivi del nostro universo. Una delle regole fondamentali è che un sistema può esistere in più di uno stato alla volta.

Queste regole vengono tradotte in linguaggio del computer e un computer quantistico può eseguire più calcoli contemporaneamente. Ciò significa che un computer quantistico può eseguire calcoli molto più velocemente dei computer classici.

La teoria dei computer quantistici è stata stabilita, ma non è ancora stata creata una macchina quantistica a piena scala.

AlphaZero è in grado di imparare da solo senza alcun intervento umano. A causa di ciò, l’algoritmo è stato in grado di sconfiggere sia gli esseri umani che i programmi del computer complessi in giochi difficili come Go, Shogi e Scacchi. AlphaZero è stato in grado di farlo competendo contro se stesso e migliorando nel tempo.

L’algoritmo è stato in grado di sconfiggere il programma di scacchi leader Stockfish dopo aver giocato contro se stesso per solo quattro ore. Dopo questa impressionante prestazione, il grande maestro danese Peter Heine Nielsen ha paragonato AlphaZero a una specie aliena superiore.

Il gruppo di ricerca dell’Università di Aarhus ha utilizzato simulazioni al computer per dimostrare come AlphaZero possa essere applicato a tre diversi problemi di controllo. Questi potrebbero essere utilizzati in un computer quantistico.

“AlphaZero utilizza una rete neurale profonda in congiunzione con una ricerca anticipata guidata in un albero di ricerca, che consente un’approssimazione predittiva di variabili nascoste del paesaggio dei parametri quantistici. Per sottolineare la trasferibilità, applichiamo e valutiamo l’algoritmo su tre classi di problemi di controllo utilizzando un unico set comune di iperparametri algoritmici”, secondo lo studio.

La ricerca condotta dal team è stata pubblicata su Nature Quantum Information.

Il dottorando principale Mogens Dalgaard ha parlato di come il team sia stato impressionato dalla capacità di AlphaZero di insegnare rapidamente a se stesso.

“Quando abbiamo analizzato i dati di AlphaZero, abbiamo visto che l’algoritmo aveva imparato a sfruttare una simmetria sottostante del problema che non avevamo originariamente considerato. È stata un’esperienza incredibile”.

La vera svolta è arrivata dall’accoppiamento di AlphaZero, che è un algoritmo estremamente impressionante di per sé, con un algoritmo di ottimizzazione quantistica specializzato.

Secondo il professor Jacob Sherson, “ciò indica che abbiamo ancora bisogno di abilità e competenze umane e che l’obiettivo del futuro dovrebbe essere quello di comprendere e sviluppare interfacce di intelligenza ibride che sfruttino al meglio le forze di entrambi”.

Il gruppo vuole accelerare il ritmo di sviluppo nel settore, quindi ha rilasciato il codice e lo ha reso disponibile apertamente. La mossa ha generato molto interesse.

“Entro poche ore sono stato contattato da grandi aziende tecnologiche con laboratori quantistici e università leader a livello internazionale per stabilire future collaborazioni” ha detto Jacob Sherson. “Quindi probabilmente non ci vorrà molto tempo prima che questi metodi trovino un uso in esperimenti pratici in tutto il mondo”.

DeepMind è un’azienda britannica sorella di Google (GOOGL ) responsabile di AlphaZero e AlphaGo. Questi sistemi stanno ora mostrando la loro importanza in altre aree, tra cui il calcolo quantistico.