A.I. Holder hemmeligheden til skabelsen af ​​kvantecomputere

Kvantecomputere har nøglen til at opnå det, der anses for umuligt med dagens konventionelle computersystemer. Mens en fuldt funktionel endnu ikke er oprettet, har kvantesimulatorer - eller mindre systemer beregnet til at løse specifikke problemer - allerede vist evnen til at overgå moderne supercomputere til bestemte opgaver.

Disse kvante strukturer kan køre utallige mængder operationer med latterlige hastigheder. Det kan kun virke som en fordel, men Dr. Giuseppe Carleo fra Center for Computational Quantum Physics ved Flatiron Institute i New York forklarer, at kvantecomputere største aktiv faktisk er et vigtigt vejspærre.

"Kontrollerer, at din bærbare computer fungerer korrekt, er ret ligetil, det samme gør kvantecomputere mere komplicerede," fortæller Carleo. Inverse. "Hver gang du kører et program på dem, er outputet ikke bestemt, hvilket resulterer i mange svar på et spørgsmål. Det er det, der gør en kvantecomputer så kraftfuld, men det betyder også, at det er sværere at vurdere, om disse resultater er helt tilfældige, eller hvis de er korrekte."

Men Carleo og en gruppe internationale forskere har fundet ud af en måde at hurtigt revidere komplekse kvantesystemer ved hjælp af kunstig intelligens. Deres undersøgelse, som blev offentliggjort i tidsskriftet Naturfysik den 26. februar giver en teknik, der vil være nødvendig for at vise, at fremtidens kvantecomputere rent faktisk arbejder.

Måden quantumsystemer gemmer information på er, hvad der gør dem så vanskelige at kontrollere.

Den mindste enhed af data i en computer er en smule, som skal være en eller et nul. Quantum computing systemer bruger "qubits", som kan repræsentere begge en og nul samtidigt. Denne lille ændring gør det muligt for disse computere at tackle en utænkelig mængde opgaver. En serie på 50 qubits kan repræsentere 10.000.000.000.000.000 numre, dette ville tage plads på rumblade i en traditionel computer og ville være fuldstændig umuligt for forskere at gå tilbage og tjekke.

Carleo og hans gymnasier brugte maskinindlæringsteknikker til i det væsentlige at kontrollere kvantomsystemernes arbejde, noget der ikke er muligt ved hjælp af konventionelle metoder.

"Disse maskiner er i stand til at fange essens af kvantesystemet på en meget kompakt måde," sagde Carleo. "Neurale netværk forstår de relevante funktioner i disse ekstremt komplekse systemer mere eller mindre automatisk. De kan forstå denne kompleksitet og omdanne den til at forstå sine grundlæggende strukturer."

Dette er ikke første gang, forskere har brugt A.I. at gøre noget som dette, men Carleos arbejde er i stand til at analysere mere udførlige systemer end den forskning, der gik forud for den.

Qubits er organiseret i forskellige former for at løse forskellige problemer. Tidligere neurale net kunne kun revidere endimensionale systemer, så en lige linje af qubits. Denne undersøgelse var vellykket i stand til at kontrollere "to-dimensionelle" og "gitterformede" qubits-arrays.

"For at karakterisere mere generelle kvanteprogrammer, er vi nødt til at gå ud over denne en-dimensionelle strukturer af qubits," udtalte Carleo. "Vores teknik er et skridt fremad i denne retning, så vi kan tackle vilkårlige arraignments of qubits."

Denne forskning viser, at oprettelsen af ​​en fuldt funktionel kvantecomputer vil være helt afhængig af maskinindlæring. Uden disse typer af dybe læringsalgoritmer uanset hvor mange kvantsystemforskere der samles, ville der ikke være nogen måde at bevise, at de rent faktisk arbejder.

A.I. er nøglen til den hellige gral af moderne computing.