Forskere kører kvanteprogrammer for første gang på en almindelig computer

Fysikere fra Swiss Federal Institute of Technology Lausanne (EPFL) og Columbia University

præsenteret en tilgang til modellering af kvantealgoritme ved hjælp af en almindelig computer. Den nye tilgang bruger en klassisk maskinlæringsalgoritme, der simulerer adfærden hos kvantecomputere i nær fremtid.

I et papir publiceret i tidsskriftet Nature QuantumInformation, EPFL -professor Giuseppe Carleo og Columbia University kandidatstuderende Matija Medvidovich, har fundet en måde at udføre komplekse kvanteberegningsalgoritmer på traditionelle computere i stedet for kvante.

"Kvantesoftware" kendtHvordan Quantum Approximate Optimization Algorithm (QAOA) bruges til at løse klassiske optimeringsproblemer i matematik. Grundlæggende er det en måde at vælge den bedste løsning på et problem ud fra en række forskellige løsninger. Der er stor interesse i at forstå, hvilke problemer der effektivt kan løses med en kvantecomputer, og QAOA er en af ​​de mest synlige kandidater til dette, ”forklarede Carleo.

AI er blevet brugt for første gang til at lokalisere kvantefejl

QAOA har mange tilhængere, herunderGoogle, der satser på kvanteteknologi og computing i den nærmeste fremtid: I 2019 skabte de Sycamore, en 53-qubit kvanteprocessor, og brugte den til at fuldføre en opgave, som de vurderer ville tage en moderne klassisk supercomputer omkring $ 10.000 år. gammel. Sycamore gennemførte den samme opgave på 200 sekunder.

Ved hjælp af konventionelle computere har forskere udviklet sigen metode, der tilnærmelsesvis kan efterligne adfærden for en særlig klasse algoritmer kendt som variationskvantumalgoritmer, de er metoder til at bestemme den laveste energitilstand eller "jordtilstand" i et kvantesystem. QAOA er et af de vigtige eksempler på en sådan familie af kvantealgoritmer, som ifølge forskere er blandt de mest lovende kandidater til "kvantefordel" i computere i den nærmeste fremtid.

Fremgangsmåden er baseret på tanken om, atmoderne værktøjer til maskinindlæring kan bruges til at træne og efterligne en kvantecomputers indre virke. Nøgleværktøjet til disse simuleringer er Neural Network Quantum States, et kunstigt neuralt netværk, som Carleo udviklede i 2016 med Mathias Troyer og nu bruges for første gang i QAOA -simulering.

Læs mere:

Se hvordan et sort hul begynder at ødelægge en stjerne

Ny partikel opdaget på Large Hadron Collider

Hedebølge forårsagede massiv smeltning af grønlandske iskapper