俄罗斯研究人员发明了一种基于人工智能()的工具，通过“观察”a的结构来预测它的行为。根据发表在《新物理学杂志》(The New Journal of Physics)上的一项研究，神经网络能够自主地找到适合量子优势演示的解决方案。

这将有助于研究人员开发新的高效量子计算机。“我们在训练计算机自主预测一个复杂网络是否具有量子优势方面取得了相当大的成功，”美国国家实验室的副教授Leonid Fedichkin说。现代科学中的许多问题都是通过量子力学计算来解决的。一些例子是研究化学反应和寻找稳定的分子结构的医药，药剂学和其他行业。所涉及问题的量子性质使量子计算更适合它们。相比之下，经典计算往往只返回庞大的近似解。制造量子计算机是昂贵和耗时的，并且由此产生的设备不能保证表现出任何量子优势——也就是说，运行速度比传统计算机快。因此，研究人员需要工具来预测给定的量子设备是否具有量子优势。实现量子计算的方法之一是量子漫步。简而言之，该方法可以被想象成一个粒子在某一网络中运动，该网络是a的基础。如果一个粒子从一个网络节点到另一个网络节点的量子行走速度比经典的模拟粒子快，那么基于该电路的设备将具有量子优势。寻找这样的超级网络是量子行走专家的一项重要任务。俄罗斯研究人员所做的是用人工智能取代专家。他们训练这台机器来区分网络，并判断给定的网络是否会带来量子优势。这就为构建量子计算机找到了合适的候选网络。研究小组使用了一种针对图像识别的神经网络。一个邻接矩阵作为输入数据，以及输入和输出节点的数目。神经网络返回一个关于给定节点之间的经典步长和量子步长哪个更快的预测。Fedichkin说:“这种方法并不明显有效，但确实有效。”“量子和经典行为之间的界限往往很模糊。我们研究的独特特点是由此产生的专用计算机视觉，能够识别网络空间中的这条细线，”俄罗斯ITMO大学的Alexey Melnikov补充说。研究人员开发了一种基于量子算法的简化计算电路开发的工具。由此产生的器件将在生物光子学研究和材料科学中引起人们的兴趣。

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：