人工知能は量子システムの振る舞いを予測します

• AIモデルは、特定の量子機械に量子的利点があるかどうかを予測します。
• これは、量子システムのネットワーク構造を分析し、その動作を徐々に予測することを学習するニューラルネットワークに基づいています。
• これは、科学者が新しい効率的な量子デバイスを開発するのに役立ちます。

量子コンピューティングは、今日のコンピューターでは処理できないさまざまな複雑な問題を解決する可能性を秘めています。たとえば、科学者が化学反応を詳細に研究し、薬剤学やその他の分野の安定した分子構造を検出するのに役立ちます。

ただし、古典的および量子コンピューターサイエンスの両方における重要な問題の1つは、計算の高速化です。量子コンピューターは従来のコンピューターよりもはるかに高速に動作できますが、そのようなマシンの開発には多くの時間とお金が必要になります。それでも、これらのマシンが量子的優位性を発揮することを保証することはできません。

最近、モスクワ物理技術研究所、ITMO大学、およびバリエフ物理技術研究所の研究チームが、特定の量子機械に量子優位性があるかどうかを予測する新しいツールを開発しました。

この新しいツールは、量子システムのネットワーク構造を分析し、その動作を徐々に予測することを学習するニューラルネットワークに基づいています。科学者が新しい効率的な量子デバイスを開発するのに役立ちます。

AIは量子コンピューターを構築する候補者を特定します

量子ウォークは、量子情報を効率的に処理するために近年採用されています。それらは古典的なランダムウォークの量子対応物です。この現象は、量子回路の基礎となる特定のネットワークを移動する粒子として視覚化できます。

古典的な歩行者の状態とは異なり、量子歩行者の状態は、いくつかの位置の一貫した重ね合わせである可能性があります。デバイス回路内の粒子が、従来の対応物よりも速く量子ウォーク（あるネットワークノードから別のネットワークノードへ）を示す場合、デバイスには量子アドバンテージがあります。

参照：New Journal of Physics | DOI：10.1088 / 1367-2630 / ab5c5e | MIPT

この研究では、研究者は機械学習モデルを使用して、そのような優れたネットワークを特定しました。モデルはネットワークを区別し、特定のネットワークが量子的利点を提供するかどうかを徐々に予測することを学習します。これにより、効率的な量子コンピューターの開発に利用できるネットワークが得られます。

量子超越性を探しているAIの図

トレーニングの例は、古典的な粒子と量子粒子の両方のランダムウォークダイナミクスをシミュレートすることによって生成されました。各トレーニング例には、隣接行列と対応するラベル（「クラシック」または「クォンタム」）が含まれていました。

研究チームはまた、量子アルゴリズムに基づく計算回路の開発を簡素化するためのツールを構築しました。材料科学やバイオフォトニクスの研究に使用できます。

量子ウォーク

量子ウォークは、自然現象の量子計算を実装するための簡単な方法（キュービットとゲートに基づくアーキテクチャよりもはるかに簡単）を提供します。たとえば、クロロフィルやロドプシンなどの光感受性タンパク質の励起を正確に説明できる可能性があります。

読む：新しいコンピューティングパラダイムを特徴とする5つの量子プロセッサ

タンパク質はネットワークと同様の構造を持つ複雑な生体分子であるため、あるネットワークノードから別のネットワークノードへの量子ウォーク時間を決定すると、分子内で実際に何が起こっているか、つまり電子がどこに移動し、どのような励起が発生するかが明らかになります。 。