La inteligencia artificial predice el comportamiento de los sistemas cuánticos

• El modelo de IA predice si una máquina cuántica determinada tendrá alguna ventaja cuántica.
• Se basa en una red neuronal que analiza la estructura de red de un sistema cuántico y aprende gradualmente a predecir su comportamiento.
• Esto ayudará a los científicos a desarrollar nuevos dispositivos cuánticos eficientes.

La computación cuántica tiene el potencial de resolver varios problemas complejos que las computadoras actuales ni siquiera pueden procesar. Por ejemplo, puede ayudar a los científicos a estudiar las reacciones químicas en detalle y detectar estructuras moleculares estables para la industria farmacéutica y otros campos.

Sin embargo, una de las cuestiones clave tanto en la informática clásica como en la cuántica es la aceleración computacional. Aunque las computadoras cuánticas pueden funcionar mucho más rápido que las computadoras clásicas, desarrollar tales máquinas requeriría mucho tiempo y dinero. Incluso entonces, nadie puede garantizar que estas máquinas presenten ventajas cuánticas.

Recientemente, un equipo de investigación del Instituto de Física y Tecnología de Moscú, la Universidad ITMO y el Instituto de Física y Tecnología Valiev desarrollaron una nueva herramienta que predice si una máquina cuántica determinada tendrá alguna ventaja cuántica.

Esta nueva herramienta se basa en una red neuronal que analiza la estructura de red de un sistema cuántico y aprende gradualmente a predecir su comportamiento. Ayudará a los científicos a desarrollar nuevos dispositivos cuánticos eficientes.

La IA identifica a los candidatos para construir computadoras cuánticas

Los paseos cuánticos se han empleado en los últimos años para procesar de manera eficiente la información cuántica. Son contrapartes cuánticas de los paseos aleatorios clásicos. Puede visualizar este fenómeno como una partícula que viaja en una red específica que subyace a un circuito cuántico.

A diferencia del estado de un caminante clásico, el estado del caminante cuántico puede ser una superposición coherente de varias posiciones. Un dispositivo tendrá una ventaja cuántica si una partícula en el circuito del dispositivo exhibe una caminata cuántica (de un nodo de red a otro) más rápido que su contraparte clásica.

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

En este estudio, los investigadores utilizaron un modelo de aprendizaje automático para identificar estas redes superiores. El modelo distingue entre redes y aprende gradualmente a predecir si una red determinada ofrecerá alguna ventaja cuántica. Esto nos da las redes que se pueden utilizar para desarrollar una computadora cuántica eficiente.

Ilustración de IA buscando ventajas cuánticas

Los ejemplos de entrenamiento se generaron simulando la dinámica de caminata aleatoria de partículas tanto clásicas como cuánticas. Cada ejemplo de entrenamiento contenía una matriz de adyacencia y una etiqueta correspondiente ("clásica" o "cuántica").

El equipo de investigación también construyó una herramienta para simplificar el desarrollo de circuitos computacionales basados ​​en algoritmos cuánticos. Podría usarse para realizar investigaciones en ciencia de materiales y biofotónica.

Paseos cuánticos

Los paseos cuánticos proporcionarán una forma sencilla (mucho más sencilla que las arquitecturas basadas en qubits y puertas) para implementar cálculos cuánticos de fenómenos naturales. Por ejemplo, tienen el potencial de describir con precisión la excitación de proteínas fotosensibles como la clorofila o la rodopsina.

Leer:5 procesadores cuánticos que presentan un nuevo paradigma informático

Dado que la proteína es una biomolécula compleja con una estructura similar a la de una red, determinar el tiempo de caminata cuántica de un nodo de red a otro puede revelar lo que realmente sucede dentro de una molécula:dónde se moverá el electrón y qué tipo de excitación causará. .