Het maken van kwantumcomputers is kostbaar en tijdrovend, en de resulterende apparaten hebben geen garantie dat ze enig kwantumvoordeel vertonen - dat wil zeggen, ze werken vaak niet sneller dan een conventionele computer. Onderzoekers hebben dus tools nodig om te voorspellen of een bepaald kwantumapparaat een kwantumvoordeel zal hebben.

Een van de manieren om kwantumberekeningen te implementeren, zijn kwantumwandelingen. In vereenvoudigde termen, de methode kan worden gevisualiseerd als een deeltje dat in een bepaald netwerk reist dat ten grondslag ligt aan een kwantumcircuit. Als de kwantumwandeling van een deeltje van het ene netwerkknooppunt naar het andere sneller gebeurt dan zijn klassieke analoog, een apparaat op basis van dat circuit heeft een kwantumvoordeel. Het zoeken naar dergelijke superieure netwerken is een belangrijke taak die wordt aangepakt door experts op het gebied van kwantumwandelingen.

Russische onderzoekers van het Moskouse Instituut voor Natuurkunde en Technologie, Valiev Institute of Physics and Technology en ITMO University hebben een neuraal netwerk gecreëerd dat leerde het gedrag van een kwantumsysteem te voorspellen door de netwerkstructuur ervan te analyseren. Het neurale netwerk vindt autonoom oplossingen die goed zijn aangepast aan demonstraties van kwantumvoordeel. Dit zal onderzoekers helpen bij het ontwikkelen van nieuwe efficiënte kwantumcomputers. De bevindingen worden gerapporteerd in de Nieuw tijdschrift voor natuurkunde .

Een breed scala aan problemen in de moderne wetenschap wordt opgelost door middel van kwantummechanische berekeningen. Enkele voorbeelden zijn onderzoek naar chemische reacties en het zoeken naar stabiele moleculaire structuren voor medicijnen, farmaceutische en andere industrieën. De kwantumaard van de betrokken problemen maakt kwantumberekeningen beter geschikt voor hen. klassieke berekeningen, daarentegen, hebben de neiging om alleen omvangrijke benaderingsoplossingen te retourneren.

Wat de Russische onderzoekers deden, is een AI-model trainen om onderscheid te maken tussen netwerken en te bepalen of een bepaald netwerk een kwantumvoordeel heeft. Dit lokaliseert de netwerken die goede kandidaten zijn voor het bouwen van een kwantumcomputer. Het team gebruikte een neuraal netwerk gericht op beeldherkenning. Een aangrenzende matrix diende als invoergegevens, samen met de nummers van de invoer- en uitvoerknooppunten. Het neurale netwerk gaf een voorspelling of de klassieke of de kwantumwandeling tussen de gegeven knooppunten sneller zou zijn.

"Het was niet duidelijk dat deze aanpak zou werken, maar het deed. We zijn behoorlijk succesvol geweest in het trainen van de computer om autonome voorspellingen te doen of een complex netwerk een kwantumvoordeel heeft, " zei universitair hoofddocent Leonid Fedichkin van de afdeling theoretische natuurkunde aan het MIPT.

"De grens tussen kwantum en klassiek gedrag is vaak vaag. Het onderscheidende kenmerk van onze studie is de resulterende computervisie voor speciale doeleinden, in staat om deze fijne lijn in de netwerkruimte te onderscheiden, " zei MIPT-afgestudeerde en ITMO University-onderzoeker Alexey Melnikov.

Met hun co-auteur Alexander Alodjants, de onderzoekers creëerden een tool die de ontwikkeling van computationele circuits op basis van kwantumalgoritmen vereenvoudigt. De resulterende apparaten zullen van belang zijn in biofotonica-onderzoek en materiaalwetenschap.

Een van de processen die kwantumwandelingen goed beschrijven, is de excitatie van lichtgevoelige eiwitten zoals rodopsine of chlorofyl. Een eiwit is een complex molecuul waarvan de structuur lijkt op een netwerk. Het oplossen van een probleem dat formeel inhoudt dat de kwantumlooptijd van het ene knooppunt naar het andere wordt gevonden, kan feitelijk onthullen wat er met een elektron op een bepaalde positie in een molecuul gebeurt, waar het zal bewegen, en wat voor soort opwinding het zal veroorzaken.

Vergeleken met architecturen op basis van qubits en poorten, Van kwantumwandelingen wordt verwacht dat ze een eenvoudigere manier bieden om de kwantumberekening van natuurlijke fenomenen te implementeren. De reden hiervoor is dat de wandelingen zelf een natuurlijk fysiek proces zijn.