×

ИИ в поисках квантовых преимуществ

 

Классические вычисления имеют тенденцию нагромождения приблизительных решений в информационно ёмких, насыщенных исходными данными сферах. Так, например, исследования и прогнозирование хим-реакций в медицине или поиск и производство стабильных молекулярных структур в фармацевтике и разработках новых материалов связаны с немалыми погрешностями, вызванными именно взрывным приростом и без того огромных объёмов данных, имеющих колоссальное число связей друг с другом. Новейшие системы, основанные на прогрессивных способах вычислений (таких, как кубиты и прочие новшества) и названые нами «суперкомпьютерами», тоже не далеко ушли. Но в этой крайне неприятной ситуации наука, похоже, близка к выходу из щекотливого положения. Так, российские учёные допускают, что квантово-механические расчёты в современной науке совершенно заслуженно займут свою нишу в решении описанных проблем (медицина, фармацевтика, химия, материаловедение), что станет возможно как раз благодаря естественности физической природы этих процессов.

А теперь по порядку.

Создание квантовых компьютеров – дорогостоящий процесс, отнимающий немало времени. К тому же произведённые таким образом устройства абсолютно не гарантируют более высокой, чем у обычного компьютера, скорости работы – так называемого квантового преимущества. А потому у исследователей на первый план выходит необходимость создания инструментов для прогнозирования наличия этих свойств у будущих квантовых приборов.

Одним из способов реализации вычислений такого рода являются то, что учёные назвали квантовыми прогулками. Эта прогулка есть не что иное, как путь прохождения сигнала: представьте себе частицу, путешествующую по определённой сети, которая лежит в основе квантовой цепи. В природе существуют процессы, которые хорошо иллюстрируют подобные квантовые блуждания. Таково, например, возбуждение светочувствительных белков типа родопсина или хлорофилла, хорошо известного нам по школьной программе: белок представляет собой сложную молекулу, со структурой напоминающей сеть. Решение проблемы, которая формально включает в себя нахождение времени квантовой прогулки от одного узла к другому, может фактически выявить, что происходит с электроном в определённой позиции в молекуле, куда он будет перемещаться и какое возбуждение он будет вызывать.

Так вот: если переход частицы от одного узла квантовой сети к другому происходит быстрее, чем в классическом аналоге схемы, то устройство будет иметь квантовое преимущество. 

Поиск таких превосходных сетей производится экспертами по квантовым прогулкам. Это важная и непростая для человеческого внимания задача, поэтому российские исследователи попробовали заменить экспертов искусственным интеллектом. Они обучили машину различать сети и сообщать, даст ли конкретная сеть квантовое преимущество, что позволит определиться с кандидатами на построение квантового компьютера среди прошедших тестирование сетей.

Была выбрана нейронная сеть для распознавания изображений, а матрица смежности служила входными данными вместе с номерами входных и выходных узлов. По словам доцента Леонида Федичкина из отдела теоретической физики Московского физико-технического института, «…было неочевидно, что этот подход сработает, но он сработал. Мы довольно успешно обучили компьютер делать автономные прогнозы о том, имеет ли сложная сеть квантовое преимущество».

«Граница между квантовым и классическим поведением часто размыта», – объясняет выпускник МФТИ, участник исследования Университета ИТМО Алексей Мельников: «Отличительной чертой нашего исследования является компьютерное зрение специального назначения, способное различить эту тонкую границу в сетевом пространстве».

Задача была выполнена, но исследователи пошли дальше. В соавторстве с Александром Алоджанцем был создан инструмент, упрощающий разработку вычислительных схем на основе квантовых алгоритмов. Полученные устройства оправдают себя при исследованиях в области биофотоники и материаловедения.

Итак, сделан ещё один шаг в совершенствовании квантовых расчётов: российские учёные создали нейронную сеть, которая научилась предсказывать поведение квантовой системы, изучая её сетевую структуру. Этот ИИ автономно находит решения, нацеленные на выявление квантовых преимуществ, что поможет исследователям в разработке новых эффективных квантовых компьютеров. И –повторимся – ожидается, что по сравнению с архитектурами, основанными на кубитах и гейтах, квантовые блуждания предложат более простой способ осуществления квантовых расчётов природных явлений. Причина этого в том, что сами прогулки являются естественным физическим процессом.


По материалам EurekAlert!