Hogyan taníthatók kvantumszámítógépek kvantumrendszerek megértésére, viselkedésük előrejelzésére? Milyen módon érik el ezt akár néhány példával?

A svájci EPFL (École Polytechnique Fédérale de Lausanne), a Kaliforniai Technológiai Intézet, a Berlini Szabadegyetem és a Los Alamosi Nemzeti Laboratórium kutatói ezekre a kérdésekre keresték a választ egy közös projektben. Úgy tűnik, közelebb kerültek a megoldáshoz.

Kvantum neurális hálókon (QNN), a kvantummechanika elvei által inspirált gépitanulás-modellel dolgoztak, azok utánozták kvantumrendszerek viselkedését. A hálók ugyanúgy számításokat végző, összekapcsolt neuronokból állnak, mint a mesterségesintelligencia-fejlesztésben használtak, viszont a kvantumvilágok törvényei alapján kezelik a kvantuminformációt.

Komputerek tanításához általában sok példa kell. A kutatók ezúttal azonban néhány egyszerű, szorzatállapotok nevű példával dolgoztak, a számítógép belőlük tanulta meg, hogyan kezelje még összefonódott qubitek esetében is kvantumrendszerek viselkedését.

A szorzatállapotok kvantumrendszerek speciális állapottípusát írják le. Ha a rendszer például két elektronból áll, szorzatállapota akkor jön létre, ha az elektronok állapotát egymástól függetlenül megvizsgáljuk, majd összeadjuk. Kvantumszámításoknál és méréseknél gyakran azért ezek a kiindulási pontok, mert egyszerűbb, kezelhetőbb keretet biztosítanak rendszerek viselkedésének tanulmányozásához, megértéséhez, mielőtt bonyolultabb összefonódott állapotba kerülnek. Utóbbi állapotokban a részecskék korrelálnak egymással, ezért nem írhatók le egymástól függetlenül.

A kutatók bemutatták, hogy QNN-ek néhány egyszerű példával történő gyakoroltatásával, számítógépek eredményesen képesek megragadni összefonódott kvantumrendszerek dinamikáját. Ez a következő években várható kisebb komputerekkel is megy, nem kell várni komplexebb nagy szerkezetekre, amelyektől évtizedekre lehetünk. A módszerrel fontos problémák, például molekulák viselkedésének szimulálása, összetett új anyagok vizsgálata oldhatók meg.

Rövidebb és a hibákat jobban tűrő, tehát kvantumszámítógépek teljesítményét javító programok írásához, a programozás áramvonalasításához szintén használható.