Tradicionalna računala mogu riješiti neke kvantne probleme


kvantni

Zasluge: CC0 javna domena

Puno se pričalo o kvantnim računalima i to s dobrim razlogom. Futuristička računala dizajnirana su tako da oponašaju ono što se događa u prirodi na mikroskopskim razmjerima, što znači da imaju moć boljeg razumijevanja kvantnog carstva i ubrzavanja otkrivanja novih materijala, uključujući lijekove, kemikalije prihvatljive za okoliš i još mnogo toga. Međutim, stručnjaci kažu da su održiva kvantna računala udaljena još desetljeće ili više. Što istraživači trebaju raditi u međuvremenu?

Nova studija pod vodstvom Caltecha u časopisu Znanost opisuje kako strojno učenje alati, trčite dalje klasična računalamože se koristiti za predviđanje o kvantni sustavi i tako pomoći istraživačima da riješe neke od najzahtjevnijih problema iz fizike i kemije. Iako je ova ideja već eksperimentalno dokazana, novo izvješće je prvo koje matematički dokazuje da metoda funkcionira.

“Kvantna računala idealna su za mnoge vrste problema fizike i znanosti o materijalima”, kaže glavni autor Hsin-Yuan (Robert) Huang, diplomirani student koji radi s Johnom Preskillom, profesorom teorijske fizike Richarda P. Feynmana i Allenom VC Davisom i Lenabelle Davis Voditeljica Instituta za kvantnu znanost i tehnologiju (IQIM). “Ali još nismo stigli i iznenadili smo se kada smo saznali da se u međuvremenu mogu koristiti klasične metode strojnog učenja. Naposljetku, ovaj rad pokazuje što ljudi mogu naučiti o fizičkom svijetu.”

Na mikroskopskim razinama, fizički svijet postaje nevjerojatno složeno mjesto kojim vladaju zakoni kvantne fizike. U ovom području, čestice mogu postojati u a superpozicija država, ili u dvije države odjednom. A superpozicija stanja može dovesti do zapetljanost, fenomen u kojem su čestice povezane, ili korelirane, a da čak nisu ni u međusobnom kontaktu. Ova čudna stanja i veze, koji su široko rasprostranjeni u prirodnim i ljudskim materijalima, vrlo je teško matematički opisati.

“Vrlo je teško predvidjeti niskoenergetsko stanje materijala”, kaže Huang. “Postoji ogroman broj atoma, koji su međusobno postavljeni i isprepleteni. Ne možete napisati jednadžbu koja bi sve to opisala.”

Nova studija prva je matematička demonstracija da se klasično strojno učenje može koristiti za premošćivanje jaza između nas i kvantnog svijeta. Strojno učenje je vrsta računalne aplikacije koja oponaša ljudski mozak učiti iz podataka.

“Mi smo klasična bića koja žive u kvantnom svijetu”, kaže Preskill. “Naši mozgovi i naša računala su klasični, a to ograničava našu sposobnost interakcije i razumijevanja kvantne stvarnosti.”

Dok su prethodne studije pokazale da aplikacije strojnog učenja imaju sposobnost rješavanja nekih kvantnih problema, te metode obično djeluju na načine koji otežavaju istraživačima da saznaju kako su strojevi došli do svojih rješenja.

“Normalno, kada je u pitanju strojno učenje, ne znate kako je stroj riješio problem. To je crna kutija”, kaže Huang. “Ali sada smo kroz naše numeričke simulacije u biti shvatili što se događa u kutiji.” Huang i njegovi kolege učinili su opsežan numeričke simulacije u suradnji s AWS centrom za kvantno računalstvo pri Caltechu, koji je potvrdio njihove teorijske rezultate.

Nova studija pomoći će znanstvenicima da bolje razumiju i klasificiraju složene i egzotične faze kvantne materije.

“Brinulo se da ih ljudi koji stvaraju nova kvantna stanja u laboratoriju možda neće moći razumjeti”, objašnjava Preskill. “Ali sada možemo dobiti razumne klasične podatke da objasnimo što se događa. Klasični strojevi ne daju nam samo odgovor poput proročišta, već nas vode prema dubljem razumijevanju.”

Koautor Victor V. Albert, fizičar s NIST-a (Nacionalni institut za standarde i tehnologiju) i bivši postdoktorski stipendist DuBridge nagrade na Caltechu, slaže se. “Ono što me najviše uzbuđuje u ovom radu je to što smo sada bliže alatu koji vam pomaže razumjeti temeljnu fazu kvantnog stanja bez potrebe da unaprijed znate mnogo o tom stanju.”

U konačnici, naravno, budući alati za strojno učenje temeljeni na kvantnoj tehnologiji nadmašit će klasične metode, kažu znanstvenici. U povezana studija koja se pojavljuje 10. lipnja 2022. u ZnanostHuang, Preskill i njihovi suradnici izvješćuju o upotrebi Googleovog Sycamore procesora, rudimentarnog kvantnog Računalokako bi pokazali da je kvantno strojno učenje superiornije od klasičnih pristupa.

“Još uvijek smo na samom početku ovog polja”, kaže Huang. “Ali znamo da će kvantno strojno učenje na kraju biti najučinkovitije.”

The Znanost studija je naslovljena “Dokazljivo učinkovito strojno učenje za kvantne probleme više tijela.”


Teorija sugerira da bi kvantna računala trebala biti eksponencijalno brža u nekim zadacima učenja od klasičnih strojeva


Više informacija:
Hsin-Yuan Huang, Dokazljivo učinkovito strojno učenje za kvantne probleme s više tijela, Znanost (2022). DOI: 10.1126/science.abk3333. www.science.org/doi/10.1126/science.abk3333

Citat: Tradicionalna računala mogu riješiti neke kvantne probleme (2022., 22. rujna) preuzeto 22. rujna 2022. s https://phys.org/news/2022-09-traditional-quantum-problems.html

Ovaj dokument podliježe autorskim pravima. Osim poštenog poslovanja u svrhu privatnog proučavanja ili istraživanja, niti jedan dio ne smije se reproducirati bez pismenog dopuštenja. Sadržaj je dat samo u informativne svrhe.