Geleneksel bilgisayarlar bazı kuantum problemlerini çözebilir

Geleneksel bilgisayarlar bazı kuantum problemlerini çözebilir

Kredi: CC0 Kamu Malı

Kuantum bilgisayarlar hakkında ve iyi bir nedenle çok fazla vızıltı oldu. Fütüristik bilgisayarlar, doğada olanları mikroskobik ölçeklerde taklit edecek şekilde tasarlanmıştır; bu, kuantum alemini daha iyi anlama ve farmasötikler, çevre dostu kimyasallar ve daha fazlası dahil olmak üzere yeni malzemelerin keşfini hızlandırma gücüne sahip oldukları anlamına gelir. Ancak uzmanlar, uygulanabilir kuantum bilgisayarların hala on yıl veya daha fazla uzakta olduğunu söylüyor. Bu arada araştırmacılar ne yapacak?

Dergide Caltech liderliğindeki yeni bir çalışma Bilim klasik bilgisayarlarda çalışan makine öğrenimi araçlarının kuantum sistemleri hakkında tahminlerde bulunmak için nasıl kullanılabileceğini ve böylece araştırmacıların en zorlu fizik ve kimya problemlerinden bazılarını çözmelerine yardımcı olabileceğini açıklar. Bu kavram daha önce deneysel olarak gösterilmiş olsa da, yeni rapor, yöntemin işe yaradığını matematiksel olarak kanıtlayan ilk rapordur.

John Preskill, Richard P. Feynman Teorik Fizik Profesörü ve Allen VC Davis ile çalışan bir yüksek lisans öğrencisi olan baş yazar Hsin-Yuan (Robert) Huang, “Kuantum bilgisayarlar birçok fizik ve malzeme bilimi problemi için idealdir” diyor. Kuantum Bilimi ve Teknolojisi Enstitüsü (IQIM) Lenabelle Davis Liderlik Başkanı. “Ancak henüz tam olarak orada değiliz ve bu arada klasik makine öğrenimi yöntemlerinin kullanılabileceğini öğrenmek bizi şaşırttı. Sonuç olarak, bu makale insanların fiziksel dünya hakkında neler öğrenebileceğini göstermekle ilgili.”

Mikroskobik seviyelerde, fiziksel dünya, kuantum fiziği yasaları tarafından yönetilen inanılmaz derecede karmaşık bir yer haline gelir. Bu alemde parçacıklar, durumların bir süperpozisyonunda veya aynı anda iki durumda var olabilir. Ve durumların üst üste binmesi, parçacıkların birbirleriyle temas halinde bile olmadan bağlantılı veya korelasyonlu olduğu bir fenomen olan dolaşmaya yol açabilir. Doğal ve insan yapımı malzemelerde yaygın olarak bulunan bu garip durumları ve bağlantıları matematiksel olarak açıklamak çok zordur.

Huang, “Bir malzemenin düşük enerji durumunu tahmin etmek çok zor” diyor. “Çok sayıda atom var ve bunlar üst üste binmiş ve birbirine dolanmış durumda. Hepsini tanımlamak için bir denklem yazamazsınız.”

Yeni çalışma, klasik makine öğreniminin bizimle kuantum dünyası arasındaki boşluğu kapatmak için kullanılabileceğinin ilk matematiksel gösterimi. Makine öğrenimi, verilerden öğrenmek için insan beynini taklit eden bir tür bilgisayar uygulamasıdır.

Preskill, “Bizler kuantum dünyasında yaşayan klasik varlıklarız” diyor. “Beyinlerimiz ve bilgisayarlarımız klasiktir ve bu, kuantum gerçekliği ile etkileşime girme ve onu anlama yeteneğimizi sınırlar.”

Önceki çalışmalar, makine öğrenimi uygulamalarının bazı kuantum problemlerini çözme yeteneğine sahip olduğunu gösterse de, bu yöntemler tipik olarak, araştırmacıların makinelerin çözümlerine nasıl ulaştığını öğrenmesini zorlaştıracak şekilde çalışır.

Huang, “Normalde, makine öğrenimi söz konusu olduğunda, makinenin sorunu nasıl çözdüğünü bilemezsiniz. Bu bir kara kutu” diyor. “Ama şimdi, sayısal simülasyonlarımız aracılığıyla kutuda neler olduğunu esasen anladık.” Huang ve meslektaşları, teorik sonuçlarını destekleyen Caltech’teki AWS Kuantum Hesaplama Merkezi ile işbirliği içinde kapsamlı sayısal simülasyonlar yaptılar.

Yeni çalışma, bilim insanlarının kuantum maddenin karmaşık ve egzotik aşamalarını daha iyi anlamalarına ve sınıflandırmalarına yardımcı olacak.

Preskill, “Endişe, laboratuvarda yeni kuantum durumları yaratan insanların onları anlayamayabileceğiydi” diye açıklıyor. “Ama şimdi neler olup bittiğini açıklamak için makul klasik veriler elde edebiliyoruz. Klasik makineler bize sadece bir kehanet gibi bir cevap vermekle kalmıyor, bizi daha derin bir anlayışa doğru yönlendiriyor.”

NIST (Ulusal Standartlar ve Teknoloji Enstitüsü) fizikçisi ve Caltech’te eski DuBridge Ödülü Doktora Sonrası Bursiyeri olan ortak yazar Victor V. Albert de aynı fikirde. “Bu çalışma hakkında beni en çok heyecanlandıran kısım, kuantum halinin altında yatan aşamayı, o durum hakkında önceden çok fazla bilgi sahibi olmanızı gerektirmeden anlamanıza yardımcı olacak bir araca artık daha yakın olmamız.”

Bilim adamları, nihayetinde, elbette, gelecekteki kuantum tabanlı makine öğrenme araçlarının klasik yöntemlerden daha iyi performans göstereceğini söylüyor. 10 Haziran 2022’de ortaya çıkan ilgili bir çalışmada, BilimHuang, Preskill ve işbirlikçileri, kuantum makine öğreniminin klasik yaklaşımlardan daha üstün olduğunu göstermek için Google’ın ilkel bir kuantum bilgisayarı olan Sycamore işlemcisini kullandıklarını bildiriyor.

Huang, “Hala bu alanın en başındayız” diyor. “Ancak kuantum makine öğreniminin eninde sonunda en verimlisi olacağını biliyoruz.”

Çay Bilim Çalışmanın başlığı “Kuantum çok-vücut problemleri için kanıtlanabilir şekilde verimli makine öğrenimi”.


Teori, kuantum bilgisayarların bazı öğrenme görevlerinde klasik makinelerden katlanarak daha hızlı olması gerektiğini öne sürüyor


Daha fazla bilgi:
Hsin-Yuan Huang, Kuantum çok cisim problemleri için kanıtlanabilir şekilde verimli makine öğrenimi, Bilim (2022). DOI: 10.1126/science.abk3333. www.science.org/doi/10.1126/science.abk3333

California Teknoloji Enstitüsü tarafından sağlanmıştır

Alıntı: Geleneksel bilgisayarlar bazı kuantum problemlerini çözebilir (2022, 22 Eylül), 22 Eylül 2022’de https://phys.org/news/2022-09-traditional-quantum-problems.html adresinden alınmıştır.

Bu belge telif haklarına tabidir. Özel çalışma veya araştırma amaçlı herhangi bir adil işlem dışında, yazılı izin alınmadan hiçbir bölüm çoğaltılamaz. İçerik yalnızca bilgi amaçlı sağlanmıştır.