ＡＩ人工知能が量子システムがどのように機能するか予想する

・AIは、特定の量子機械に量子的な利点があるかどうかを予測します。

 

・これは、量子システムのネットワーク構造を分析し、その動作を予測することを徐々に学習するニューラルネットワークに基づいています。

 

・これは、科学者が新しい効率的な量子デバイスを開発するのに役立ちます。

 

 

量子コンピューターには、現在のコンピューターで処理できない複雑な問題を解決できる可能性があります。たとえば、科学者が化学反応を研究したり、医薬品やその他の分野で安定した分子構造を検出することに役立ちます。

 

ただし、古典的なコンピューター科学と量子コンピューター科学の両方において、計算の高速化が重要な問題の1つです。量子コンピューターは従来のコンピューターよりも高速で計算できますが、開発には多くの時間とお金が必要になります。

 

けれども、そのような機器が量子の利点を発揮できると保証されてるわけではありません。

 

最近、ITMO大学モスクワ物理技術研究所とValiev物理技術研究所の研究チームが、特定の量子機器に量子的な利点があるかどうかを予測する新しいツールを開発しました。

 

この新しいツールは、量子システムのネットワーク構造を分析し、その動作を予測することを徐々に学習するニューラルネットワークに基づいています。科学者が新しい効率的な量子機器を開発するのに役立ちます。

 

 

AIが量子コンピューターを作成すべきか判断

量子情報を効率的に処理するために、近年、量子ウォークが採用されています。

 

これは、ランダムウォークの量子版です。この現象は、量子回路の基礎となる特定のネットワークを移動する粒子を視覚化できます。

 

ランダムウォークとは異なり、量子ウォークは、いくつかの位置の重ね合わせになります。

 

デバイス回路内の粒子がランダムウォークよりも高速に（あるネットワークのノードから別のネットワークのノードへ）量子ウォークを示す場合、デバイスは量子の利点を持ちます。

 

この研究では、機械学習モデルを使用して、このようなネットワークを特定しました。

 

このモデルは、ネットワークを区別し、特定のネットワークが量子的な利点をもたらすかどうかを予測することを学習します。これにより、効率的な量子コンピューターの開発に利用できるネットワークが得られます。

 

 

トレーニングは、古典粒子と量子粒子の両方のランダムウォークをシミュレートすることによって生成されました。各トレーニングの例には、隣接行列と対応するラベル（「クラシック」または「量子」）が含まれていました。

 

研究チームは、量子アルゴリズムに基づいた計算回路の開発を簡素化するツールも構築しました。材料科学やバイオフォトニクスの研究に使用できます。

 

 

量子ウォーク

量子ウォークは、自然現象の量子計算を簡単に（量子ビットなどに基づく計算よりもはるかに簡単）します。たとえば、クロロフィルやロドプシンなどの光感受性のタンパク質を正確に計算できる可能性があります。

 

タンパク質はネットワークに似た構造を持つ複雑な生体分子であるため、あるネットワークのノードから別のネットワークのノードへ、量子ウォーク時間を調べると、分子内で実際に何が起こっているかが明らかになります。