Araştırmacılar Kuantum Cihazlarını Doğrulamak için Yeni bir Algoritma Oluşturdular

Tokyo Üniversitesi’nden araştırmacılar, makine öğrenimi kullanarak kuantum cihazlarının verimliliğini ve doğruluğunu sağlamak için yeni bir algoritma geliştirdiler. Kuantum mekanik davranışlarına dayanan teknolojiler giderek daha popüler hale geliyor ve bunlar doğrulama gerektiriyor çünkü içlerinde belirsizlikler bulunuyor.

Araştırma APS Physics sitesinde yayınlandı.

Kuantum İnterneti

Çoğu uzman, kuantum bilgisayarların hala geliştirme aşamasında olduğunu düşünse de, kuantum interneti daha gelişmiş ve yakın zamanda gerçekleşecek. Bunun gerçekleşmesi için, kuantum cihazlarının tasarımı için daha fazla araştırma ve daha fazla araç geliştirilmesi gerekecek.

Bu önemli araçlardan biri, kuantum cihazlarını doğrulayan algoritmadır. Bu algoritma, Tokyo Üniversitesi’nden doktora sonrası araştırmacı Quoc Hoan Tran ve Bilgi Bilim ve Teknoloji Yüksek Okulu’ndan Associate Professor Kohei Nakajima tarafından geliştirildi.

Araştırmacılara göre, cihaz kuantum cihazlarının davranışını doğrulamayı daha verimli ve kesin hale getirebilir. Algoritma, zaman bağımlı kuantum cihazlarının işleyişini yeniden oluşturabilir ve bunu, kuantum girişleri ve çıkışları arasındaki ilişkiyi öğrenerek yapar.

“Kuantum sistemini girişleri ve çıkışları temel alarak tanımlama tekniğine kuantum işlem tomografisi denir” dedi Tran. “Ancak birçok araştırmacı, kuantum sistemlerinin bazı durumlarda önceki durumların etkilerini gösteren bir tür bellek etkisine sahip olduğunu bildiriyor. Bu, basit bir giriş ve çıkış durumu incelemesinin sistemin zaman bağımlı doğasını tanımlayamayacağı anlamına gelir. Sistemi her zaman değişikliğinden sonra tekrar modelleyebilirsiniz, ancak bu aşırı hesaplama gerektirir. Amacımız, bu bellek etkisini kullanmak ve bunu avantajımıza çevirmekti.”

Algoritmanın Oluşturulması

Algoritmayı oluşturmak için, ekip makine öğrenimi ve kuantum rezervuar hesaplama tekniğini kullandı. Kuantum sistemlerinde zaman içinde değişen girişleri ve çıkışları öğrenerek, algoritma desenlerin nasıl değişeceğini tahmin edebilir. Hatta daha önce görülmemiş durumlar için bile bu tahminleri yapabilir.

“Şu anda, algoritamız belirli bir tür kuantum sistemini taklit edebilir, ancak hipotetik cihazlar işleme yetenekleri ve bellek etkileri açısından çok farklı olabilir. Bir sonraki araştırma aşaması, algoritmalarımızın yeteneklerini genişletmek ve daha genel amaçlı ve daha kullanışlı bir şey yapmak olacak” dedi Tran. “Kuantum makine öğrenimi yöntemlerinin neler yapabileceğinden, hipotetik cihazlara neler yol açabileceğinden heyecan duyuyorum.”