新的人工智能工具通过观察网络结构来预测量子系统的行为

俄罗斯研究人员创造了一种基于人工智能（AI）的工具，通过“观察”量子系统的网络结构，学会了预测量子系统的行为。

根据发表在《新物理杂志》上的一项研究，神经网络自主地找到了适合量子优势演示的解决方案。

这是为了帮助研究人员开发新的高效量子计算机。

莫斯科物理技术研究所（MIPT）副教授列昂尼德？费迪奇金（Leonid Fedichkin）表示：“我们在训练计算机对复杂网络是否具有量子优势进行自主预测方面相当成功。

还读：人工智能技术将语言障碍者的大脑信号转换成语言

现代科学中的广泛问题是通过量子力学计算来解决的。

一些例子是研究化学反应和寻找稳定的分子结构的医药，药剂学和其他行业。

所涉及的问题的量子性质使量子计算更适合它们。相比之下，古典计算往往只返回大量的近似解。

创造量子计算机是昂贵和耗时的，由此产生的设备不能保证表现出任何量子优势-也就是说，比传统计算机操作更快。

因此，研究人员需要工具来预测给定的量子设备是否具有量子优势。

实现量子计算的方法之一是量子游动。用简化的术语来说，这种方法可以被看作是一个粒子在一定的网络中运动，这是量子电路的基础。

还读到：埃隆·马斯克有了一个新的私人助理，它不是人类

如果一个粒子的量子从一个网络节点到另一个网络节点的速度比它的经典模拟更快，那么基于该电路的设备将具有量子优势。

寻找这种优越的网络是量子步行专家解决的一项重要任务。

俄罗斯研究人员所做的是用人工智能取代专家。他们训练机器区分网络，并判断给定的网络是否会带来量子优势。这就确定了构建量子计算机的最佳候选网络。

研究小组使用了一个面向图像识别的神经网络。一个邻接矩阵作为输入数据，以及输入和输出节点的数目。神经网络返回一个预测，是经典的还是量子步行之间的给定节点会更快。

费迪奇金说：“这种做法不会奏效，但确实奏效了。

“量子行为和经典行为之间的界限往往模糊不清。我们研究的显著特征是由此产生的特殊用途计算机视觉，能够识别网络空间中的这条细线，“来自俄罗斯IT MO大学的Alexey Melnikov补充说。

研究人员发明了一种基于量子算法简化计算电路开发的工具。由此产生的装置将对生物光子学研究和材料科学产生兴趣。

标签：

免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。