Naukowcy pracują nad przeniesieniem właściwości komputerów kwantowych do klasycznych komputerów

Grupa naukowców z Uniwersytetu w Linköping była w stanie zademonstrować, jak działa komputer kwantowy, i byli w stanie zasymulować właściwości w klasycznym komputerze.

“Nasze wyniki powinny być bardzo istotne w określeniu, jak zbudować komputer kwantowy”, powiedział profesor Jan-Åke Larsson.

Szwecja, Europa i inne części świata inwestują duże środki i koncentrują się na badaniach, aby stworzyć bardzo szybkie i potężne komputery kwantowe. W ciągu dziesięciu lat oczekuje się, że zostanie zbudowany szwedzki komputer kwantowy, a UE uznała technologię kwantową za jeden ze swoich głównych projektów.

Obecnie mamy niewiele przydatnych algorytmów, które mogą być używane w komputerach kwantowych. Chociaż jest to przypadkiem, ta technologia będzie bardzo ważna w symulacjach biologicznych, chemicznych i fizycznych systemów. Wiele z nich jest zbyt złożonych dla najpotężniejszych komputerów, które mamy obecnie. W komputerze bit może przyjmować wartość jeden lub zero, ale bit kwantowy może przyjmować wszystkie wartości pośrednie. Oznacza to, że komputery kwantowe nie muszą wykonywać tak wielu operacji dla każdego obliczenia.

Profesor Jan-Åke Larsson i jego doktorant Niklas Johansson z Wydziału Kodeowania Informacji w Departamencie Inżynierii Elektrycznej, Uniwersytetu w Linköping, odkryli wiele powodów, dla których komputer kwantowy jest bardziej potężny niż klasyczny. Zbadali również, co dzieje się wewnątrz komputera kwantowego.

Wyniki badań zostały opublikowane w naukowym czasopiśmie Entropy.

“Pokazaliśmy, że główna różnica polega na tym, że komputery kwantowe mają dwa stopnie swobody dla każdego bitu. Poprzez symulację dodatkowego stopnia swobody w klasycznym komputerze, możemy uruchomić niektóre algorytmy z taką samą szybkością, jaką osiągają w komputerze kwantowym”, mówi Jan-Åke Larsson.

Zespół stworzył narzędzie symulacyjne o nazwie Quantum Simulation Logic, lub QSL. Pozwala im ono symulować działanie komputera kwantowego na klasycznym komputerze. Quantum Simulation Logic ma jedną specyficzną właściwość, i jest to jedyna właściwość, którą komputer kwantowy ma, a komputer klasyczny nie. Jest to dodatkowy stopień swobody dla każdego bitu, który jest częścią obliczenia.

“Zatem, każdy bit ma dwa stopnie swobody: można go porównać do układu mechanicznego, w którym każda część ma dwa stopnie swobody – położenie i prędkość. W tym przypadku mamy do czynienia z bitami obliczeniowymi – które przenoszą informacje o wyniku funkcji, i bitami fazowymi – które przenoszą informacje o strukturze funkcji”, wyjaśnia Jan-Åke Larsson.

Narzędzie QSL zostało użyte przez zespół do zbadania niektórych algorytmów kwantowych, które są odpowiedzialne za zarządzanie strukturą funkcji. Wiele z tych algorytmów jest tak szybka w symulacjach, jakby były w komputerze kwantowym.

“Wynik pokazuje, że wyższa szybkość w komputerach kwantowych wynika z ich zdolności do przechowywania, przetwarzania i pobierania informacji w jednym dodatkowym stopniu swobody. To pozwala nam lepiej zrozumieć, jak działają komputery kwantowe. Ponadto, ta wiedza powinna ułatwić budowę komputerów kwantowych, ponieważ wiemy, jaka właściwość jest najważniejsza, aby komputer kwantowy działał zgodnie z oczekiwaniami”, mówi Jan-Åke Larsson.

Zespół zbudował również wersję fizyczną z elementami elektronicznymi. Użyli bramek podobnych do tych w komputerach kwantowych, a narzędzie symuluje, jak działa komputer kwantowy. To może pozwolić studentom i innym symulować i zrozumieć, jak działa kryptografia kwantowa i teleportacja kwantowa, wśród innych aspektów komputerów kwantowych.

To nowe badanie może przyczynić się do wzrostu liczby połączeń między komputerami kwantowymi a sztuczną inteligencją. Jednym z tych połączeń jest mapowanie cech. Inne badania przeprowadzone przez IBM Research, MIT i naukowców z Oxfordu wykazały, że w miarę wzrostu mocy komputerów kwantowych, będą one w stanie wykonywać mapowanie cech na bardzo złożonych strukturach danych, czego nie mogą zrobić klasyczne komputery. Mapowanie cech jest ważne w uczeniu maszynowym i może prowadzić do bardziej skutecznej sztucznej inteligencji, która mogłaby identyfikować wzorce w danych, których klasyczne komputery nie są w stanie wykryć.

Im więcej badań jest prowadzonych w tych dziedzinach, tym więcej będzie połączeń między tymi dwoma ważnymi obszarami.