Wetenschappers gebruiken voor het eerst kwantumprogramma's op een gewone computer

Natuurkundigen van het Zwitserse Federale Instituut voor Technologie Lausanne (EPFL) en Columbia University

presenteerde een benadering voor het modelleren van kwantumalgoritme met behulp van een gewone computer. De nieuwe aanpak maakt gebruik van een klassiek machine learning-algoritme dat het gedrag van kwantumcomputers in de nabije toekomst simuleert.

In een paper gepubliceerd in het tijdschrift Nature QuantumInformation, EPFL-professor Giuseppe Carleo en student Matija Medvidovich aan de Columbia University, hebben een manier gevonden om complexe kwantumcomputeralgoritmen uit te voeren op traditionele computers in plaats van kwantumcomputers.

"Quantumsoftware" bekendHoe het Quantum Approximate Optimization Algorithm (QAOA) wordt gebruikt om klassieke optimalisatieproblemen in de wiskunde op te lossen. Kortom, het is een manier om de beste oplossing voor een probleem te kiezen uit een verscheidenheid aan mogelijke oplossingen. Er is veel interesse om te begrijpen welke problemen effectief kunnen worden opgelost door een kwantumcomputer, en QAOA is hiervoor een van de meest zichtbare kandidaten”, legt Carleo uit.

AI is voor het eerst gebruikt om kwantumfouten op te sporen

QAOA heeft veel supporters, waaronder:Google, dat gokt op kwantumtechnologie en computergebruik in de nabije toekomst: in 2019 creëerden ze Sycamore, een 53-qubit kwantumprocessor, en gebruikten deze om een ​​taak uit te voeren waarvan ze schatten dat een moderne klassieke supercomputer ongeveer $ 10.000 jaar zou kosten. oud. Sycamore voltooide dezelfde taak in 200 seconden.

Met behulp van conventionele computers hebben wetenschapperseen methode die bij benadering het gedrag van een speciale klasse van algoritmen kan nabootsen, bekend als variatiekwantumalgoritmen, het zijn methoden om de laagste energietoestand of "grondtoestand" van een kwantumsysteem te bepalen. QAOA is een van de belangrijke voorbeelden van zo'n familie van kwantumalgoritmen, die volgens onderzoekers tot de meest veelbelovende kandidaten voor "kwantumvoordeel" in computers van de nabije toekomst behoren.

De aanpak is gebaseerd op het idee dat:moderne machine learning-tools kunnen worden gebruikt om de innerlijke werking van een kwantumcomputer te trainen en na te bootsen. Het belangrijkste hulpmiddel voor deze simulaties is het Neural Network Quantum States, een kunstmatig neuraal netwerk dat Carleo in 2016 met Mathias Troyer ontwikkelde en nu voor het eerst wordt gebruikt in QAOA-simulatie.

Lees verder:

Zie hoe een zwart gat een ster begint te vernietigen

Nieuw deeltje ontdekt bij Large Hadron Collider

Hittegolf veroorzaakte enorme smelting van Groenlandse ijskap