นักฟิสิกส์จาก Swiss Federal Institute of Technology Lausanne (EPFL) และมหาวิทยาลัยโคลัมเบีย
ในบทความที่ตีพิมพ์ในวารสาร Nature Quantumข้อมูล ศาสตราจารย์ Giuseppe Carleo ของ EPFL และ Matija Medvidovich นักศึกษาระดับบัณฑิตศึกษาจากมหาวิทยาลัยโคลัมเบีย ได้ค้นพบวิธีการดำเนินการอัลกอริทึมการคำนวณควอนตัมที่ซับซ้อนบนคอมพิวเตอร์แบบเดิมแทนที่จะเป็นแบบควอนตัม
"ซอฟต์แวร์ควอนตัม" ที่รู้จักวิธีการใช้อัลกอริทึมการเพิ่มประสิทธิภาพเชิงควอนตัมโดยประมาณ (QAOA) เพื่อแก้ปัญหาการเพิ่มประสิทธิภาพแบบคลาสสิกในวิชาคณิตศาสตร์ โดยพื้นฐานแล้ว เป็นวิธีการเลือกวิธีแก้ปัญหาที่ดีที่สุดจากวิธีแก้ไขที่เป็นไปได้ที่หลากหลาย มีความสนใจเป็นอย่างมากในการทำความเข้าใจว่าคอมพิวเตอร์ควอนตัมสามารถแก้ไขปัญหาใดได้อย่างมีประสิทธิภาพ และ QAOA เป็นหนึ่งในตัวเลือกที่มองเห็นได้ชัดเจนที่สุดสำหรับสิ่งนี้” Carleo อธิบาย
AI ถูกนำมาใช้เป็นครั้งแรกเพื่อระบุข้อผิดพลาดทางควอนตัม
QAOA มีผู้สนับสนุนมากมายรวมถึงGoogle ซึ่งกำลังเดิมพันเทคโนโลยีควอนตัมและการประมวลผลในอนาคตอันใกล้: ในปี 2019 พวกเขาสร้าง Sycamore ซึ่งเป็นตัวประมวลผลควอนตัมขนาด 53 บิต และใช้มันเพื่อทำงานที่พวกเขาคาดว่าจะใช้ซูเปอร์คอมพิวเตอร์คลาสสิกสมัยใหม่ประมาณ 10,000 ดอลลาร์ ปี เก่า. Sycamore ทำงานเดียวกันเสร็จใน 200 วินาที
นักวิทยาศาสตร์ได้พัฒนาโดยใช้คอมพิวเตอร์ทั่วไปวิธีการที่สามารถประมาณเลียนแบบพฤติกรรมของอัลกอริธึมคลาสพิเศษที่เรียกว่าอัลกอริธึมควอนตัมแปรผันได้ เป็นวิธีการกำหนดสถานะพลังงานต่ำสุด หรือ "สถานะพื้น" ของระบบควอนตัม QAOA เป็นหนึ่งในตัวอย่างที่สำคัญของตระกูลอัลกอริทึมควอนตัมดังกล่าว ซึ่งตามที่นักวิจัยระบุว่า เป็นหนึ่งในตัวเลือกที่มีแนวโน้มมากที่สุดสำหรับ "ข้อได้เปรียบเชิงควอนตัม" ในคอมพิวเตอร์ในอนาคตอันใกล้
แนวทางดังกล่าวมีพื้นฐานมาจากแนวคิดที่ว่าเครื่องมือการเรียนรู้ของเครื่องที่ทันสมัยสามารถใช้ในการฝึกอบรมและจำลองการทำงานภายในของคอมพิวเตอร์ควอนตัม เครื่องมือหลักสำหรับการจำลองเหล่านี้คือ Neural Network Quantum States ซึ่งเป็นโครงข่ายประสาทเทียมที่ Carleo พัฒนาขึ้นในปี 2016 ด้วย Mathias Troyer และตอนนี้กำลังถูกใช้เป็นครั้งแรกในการจำลอง QAOA
อ่านเพิ่มเติม:
ดูว่าหลุมดำเริ่มทำลายดาวอย่างไร
พบอนุภาคใหม่ที่ Large Hadron Collider
คลื่นความร้อนทำให้แผ่นน้ำแข็งกรีนแลนด์ละลายอย่างมหาศาล