A.I. Håller hemligheten till skapandet av kvantdatorer

Kvantumdatorer har nyckeln till att uppnå det som anses omöjligt med dagens konventionella datorsystem. Även om en helt funktionell ännu inte har skapats, har kvantsimulatorer - eller mindre system som är avsedda att lösa specifika problem - redan visat förmågan att överträffa moderna superdatorer vid vissa uppgifter.

Dessa kvantstrukturer kan driva en otalig mängd operationer med löjliga hastigheter. Det här kan tyckas som enbart en fördel, men Dr. Giuseppe Carleo från Center for Computational Quantum Physics vid Flatiron Institute i New York förklarar att kvantdatorernas största tillgång egentligen är ett viktigt vägspärr.

"Att kontrollera att din bärbara dator fungerar korrekt är ganska enkel, det är mer komplicerat att göra detsamma för kvantdatorer, säger Carleo Omvänd. "Varje gång du kör ett program på dem är utmatningen nondeterministisk, vilket resulterar i många svar på en fråga. Det här gör det för en kvantdator så kraftfull, men det betyder också att det är svårare att bedöma om resultaten är helt slumpmässiga eller om de är korrekta."

Men Carleo och en grupp internationella forskare har funnit ett sätt att snabbt granska komplexa kvantsystem genom att använda artificiell intelligens. Deras studie, som publicerades i tidningen Naturfysik den 26 februari ger en teknik som kommer att vara nödvändig för att visa att framtida kvantdatorer faktiskt fungerar.

Det sätt på vilket quantumsystem förvarar information är det som gör dem så svåra att verifiera.

Den minsta dataenheten i en dator är lite, vilket måste vara en eller en noll. Quantum-datasystem använder "qubits", som kan representera båda och noll samtidigt. Denna lilla förändring gör det möjligt för dessa datorer att hantera en otänkbar mängd uppgifter. En serie på 50 qubits kan representera 10.000.000.000.000.000 siffror, detta skulle ta upp petabytes av rymden i en traditionell dator och skulle vara helt omöjligt för forskare att gå tillbaka och kolla.

Carleo och hans högskolor använde maskininlärningstekniker för att i huvudsak kontrollera kvantomsystemets arbete, något som inte är möjligt med konventionella metoder.

"Dessa maskiner kan fånga kärnan i kvansystemet på ett mycket kompakt sätt," sa Carleo. "Neurala nätverk förstår de relevanta funktionerna i dessa extremt komplexa system mer eller mindre automatiskt. De kan förstå denna komplexitet och omvandla den för att förstå dess grundläggande strukturer."

Detta är inte första gången forskare har använt A.I. att göra något så här, men Carleos arbete kan analysera mer utarbetade system än den forskning som föregick den.

Qubits är organiserade i olika former för att lösa olika problem. Tidigare neurala nät kunde bara granska ettdimensionella system, så en rak linje av qubits. Den här studien lyckades med att kontrollera "tvådimensionella" och "gitterformade" qubits-uppsättningar.

"För att karakterisera mer generella kvantprogram måste vi gå längre än den här dimensionella strukturen av qubits", konstaterade Carleo. "Vår teknik är ett steg framåt i den här riktningen så att vi kan ta itu med godtyckliga arraignments of qubits."

Denna forskning visar att skapandet av en fullt fungerande kvantdator kommer att vara helt beroende av maskininlärning. Utan dessa typer av djupinlärningsalgoritmer oavsett hur många kvantsystemforskare samlar, skulle det inte finnas något sätt att bevisa att de faktiskt arbetar.

A.I. håller nyckeln till dagens dagliga dators heliga grader.