人工智能预测量子系统的行为
- AI 模型可预测给定的量子机器是否具有任何量子优势。
- 它基于神经网络，可以分析量子系统的网络结构，并逐渐学会预测其行为。
- 这将帮助科学家开发新的高效量子设备。
量子计算具有解决当今计算机甚至无法处理的各种复杂问题的潜力。例如，它可以帮助科学家详细研究化学反应，为制药等领域检测稳定的分子结构。
然而，经典计算机科学和量子计算机科学的关键问题之一是计算加速。尽管量子计算机的运行速度比经典计算机快得多，但开发此类机器需要大量时间和金钱。即便如此，也没有人能保证这些机器会展现出量子优势。
最近，莫斯科物理技术研究所、ITMO 大学和瓦利耶夫物理技术研究所的一个研究小组开发了一种新工具，可以预测给定的量子机器是否具有任何量子优势。
这个新工具基于神经网络，可以分析量子系统的网络结构，并逐渐学会预测其行为。它将帮助科学家开发新的高效量子设备。
人工智能确定构建量子计算机的候选人
近年来，已经采用量子行走来有效地处理量子信息。它们是经典随机游走的量子对应物。你可以将这种现象想象成一个粒子在一个特定的网络中传播，这个网络是量子电路的基础。
与经典步行者的状态不同，量子步行者的状态可以是多个位置的相干叠加。如果设备电路中的粒子表现出比其经典对应物更快的量子行走（从一个网络节点到另一个网络节点），则该设备将具有量子优势。
参考：New Journal of Physics | DOI:10.1088/1367-2630/ab5c5e | MIPT
在这项研究中，研究人员使用机器学习模型来识别这种优越的网络。该模型区分网络并逐渐学会预测给定的网络是否会带来任何量子优势。这为我们提供了可用于开发高效量子计算机的网络。
AI 寻找量子优势的插图
训练示例是通过模拟经典粒子和量子粒子的随机游走动力学生成的。每个训练示例都包含一个邻接矩阵和一个相应的标签（“经典”或“量子”）。
研究团队还构建了一个工具来简化基于量子算法的计算电路的开发。可用于材料科学和生物光子学的研究。
量子行走
量子行走将提供一种简单的方法（比基于量子位和门的架构简单得多）来实现自然现象的量子计算。例如，它们有可能精确描述光敏蛋白（如叶绿素或视紫红质）的激发。
阅读：具有新计算范式的 5 款量子处理器
由于蛋白质是一种复杂的生物分子，其结构类似于网络，因此确定从一个网络节点到另一个网络节点的量子行走时间可能会揭示分子内实际发生的情况：电子将移动到哪里以及它将引起什么样的激发.
工业技术