創(chuàng )建量子計算機既昂貴又費時(shí)，并且不能保證所產(chǎn)生的設備具有任何量子優(yōu)勢-也就是說(shuō)，它們的運行速度通常不會(huì )比常規計算機快。因此研究人員需要工具來(lái)預測給定的量子設備是否具有量子優(yōu)勢。

實(shí)現量子計算的方法之一是量子游走。簡(jiǎn)而言之，該方法可以可視化為在某個(gè)位于量子電路下面的網(wǎng)絡(luò )中傳播的粒子。如果粒子從一個(gè)網(wǎng)絡(luò )節點(diǎn)到另一網(wǎng)絡(luò )節點(diǎn)的量子行進(jìn)比其經(jīng)典模擬更快，則基于該電路的設備將具有量子優(yōu)勢。尋找這樣的高級網(wǎng)絡(luò )是量子步行專(zhuān)家解決的重要任務(wù)。

莫斯科物理技術(shù)學(xué)院，瓦里耶夫物理技術(shù)學(xué)院和ITMO大學(xué)的俄羅斯研究人員創(chuàng )建了一個(gè)神經(jīng)網(wǎng)絡(luò )，該神經(jīng)網(wǎng)絡(luò )學(xué)會(huì )了通過(guò)分析量子網(wǎng)絡(luò )的結構來(lái)預測其行為。神經(jīng)網(wǎng)絡(luò )可以自主找到非常適合量子優(yōu)勢演示的解決方案。這將有助于研究人員開(kāi)發(fā)新的高效量子計算機。該發(fā)現發(fā)表在“ 新物理學(xué)雜志”上。

通過(guò)量子力學(xué)計算解決了現代科學(xué)中的許多問(wèn)題。其中一些例子是對化學(xué)反應的研究，以及在醫藥，制藥和其他行業(yè)中尋找穩定的分子結構。所涉及問(wèn)題的量子性質(zhì)使量子計算更適合于它們。相反，經(jīng)典計算往往只返回龐大的近似解。

俄羅斯研究人員所做的是訓練一個(gè)AI模型來(lái)區分網(wǎng)絡(luò )并確定給定網(wǎng)絡(luò )是否具有量子優(yōu)勢。這指出了構建量子計算機的良好候選網(wǎng)絡(luò )。該團隊使用了面向圖像識別的神經(jīng)網(wǎng)絡(luò )。鄰接矩陣與輸入和輸出節點(diǎn)的編號一起用作輸入數據。該神經(jīng)網(wǎng)絡(luò )返回是否給定的節點(diǎn)之間的經(jīng)典或量子游走將更快的預測。

MIPT理論物理學(xué)系副教授Leonid Fedichkin說(shuō)：“這種方法行不通，但它確實(shí)有效。我們已經(jīng)成功地訓練了計算機，以自動(dòng)預測復雜網(wǎng)絡(luò )是否具有量子優(yōu)勢。” 。

MIPT畢業(yè)生和ITMO大學(xué)研究人員Alexey Melnikov說(shuō)：“量子行為和經(jīng)典行為之間的界線(xiàn)常常模糊不清。我們研究的顯著(zhù)特征是由此產(chǎn)生的專(zhuān)用計算機視覺(jué)，能夠識別網(wǎng)絡(luò )空間中的這一細線(xiàn)。”

與他們的合著(zhù)者Alexander Alodjants一起，研究人員創(chuàng )建了一種工具，該工具簡(jiǎn)化了基于量子算法的計算電路的開(kāi)發(fā)。最終的設備將在生物光子學(xué)和材料科學(xué)中引起人們的興趣。

量子游走描述得很好的過(guò)程之一是光敏蛋白如視紫紅質(zhì)或葉綠素的激發(fā)。蛋白質(zhì)是一種復雜的分子，其結構類(lèi)似于網(wǎng)絡(luò )。解決形式上涉及發(fā)現從一個(gè)節點(diǎn)到另一個(gè)節點(diǎn)的量子行走時(shí)間的問(wèn)題，實(shí)際上可能揭示出電子在分子中特定位置發(fā)生的變化，它將移動(dòng)的位置以及它將引起何種激發(fā)。

與基于量子位和門(mén)的體系結構相比，預計量子游走將為實(shí)現自然現象的量子計算提供更簡(jiǎn)便的方法。原因是步行本身是自然的物理過(guò)程。