A.I. Tur noslēpumu, lai izveidotu kvantu datorus

$config[ads_kvadrat] not found

Lo hang - Hương Tràm thản nhiên để lộ hàng trên sân khấu

Lo hang - Hương Tràm thản nhiên để lộ hàng trên sân khấu
Anonim

Kvantu datoriem ir atslēga, lai sasniegtu to, ko mūsdienu skaitļošanas sistēmās uzskata par neiespējamu. Lai gan vēl ir jāizveido pilnīgi funkcionāls, kvantu simulatori - vai mazākas sistēmas, kas paredzētas konkrētu problēmu risināšanai - jau ir parādījušas spēju pārspēt mūsdienu superdatorus noteiktos uzdevumos.

Šīs kvantu struktūras var darboties neskaitāmā apjomā operāciju ar smieklīgiem ātrumiem. Tas varētu šķist tikai ieguvums, bet Dr Giuseppe Carleo no Ņujorkas Flatiron institūta skaitļošanas kvantu fizikas centra skaidro, ka kvantu datoru lielākais aktīvs faktiski ir galvenais šķērslis.

„Pārbaude, vai jūsu klēpjdators darbojas pareizi, ir diezgan vienkāršs, darot to pašu kvantu datoriem, ir sarežģītāk,” stāsta Carleo Apgrieztā. “Katru reizi, kad palaižat programmu, produkcija ir nederīga, un tas rada daudzas atbildes uz vienu jautājumu. Tas padara kvantu datoru tik spēcīgu, bet tas nozīmē arī to, ka ir grūtāk novērtēt, vai šie rezultāti ir pilnīgi nejauši vai ja tie ir pareizi. ”

Bet Carleo un starptautisku pētnieku grupa ir sapratuši, kā ātri pārbaudīt sarežģītas kvantu sistēmas, izmantojot mākslīgo intelektu. Viņu pētījums, kas tika publicēts žurnālā Dabas fizika 26. februārī tiek nodrošināta tehnika, kas būs nepieciešama, lai pierādītu, ka nākotnes kvantu datori faktiski darbojas.

Kvantu sistēmu uzglabāšanas veids ir tāds, kas padara tos tik grūti pārbaudāmus.

Mazākā datu vienība datorā ir mazliet, kurai jābūt vienai vai nulle. Kvantu skaitļošanas sistēmas izmanto “qubits”, kas var pārstāvēt abus un vienlaicīgi. Šī nelielā maiņa ļauj šiem datoriem novērst neiedomājamu uzdevumu apjomu. 50 qubitu sērija var pārstāvēt 10 000 000 000 000 ciparu, tas tradicionālajā datorā aizņemtu petabitus un būtu pilnīgi neiespējami atgriezties un pārbaudīt zinātniekus.

Carleo un viņa koledžas izmantoja mašīnu mācīšanās metodes, lai būtībā pārbaudītu kvantu sistēmu darbu, kas nav iespējams, izmantojot parastās metodes.

„Šīs mašīnas spēj uztvert kvantu sistēmas būtību ļoti kompaktajā veidā,” sacīja Carleo. “Neironu tīkli vairāk vai mazāk automātiski saprot šo ārkārtīgi sarežģīto sistēmu iezīmes. Viņi spēj saprast šo sarežģītību un pārveidot to, lai izprastu tās pamatstruktūras. ”

Tas nav pirmo reizi, kad pētnieki ir lietojuši A.I. darīt kaut ko līdzīgu, bet Carleo darbs spēj analizēt sarežģītākas sistēmas nekā pirms tam veiktie pētījumi.

Qubits ir sakārtoti dažādās formās, lai atrisinātu dažādas problēmas. Iepriekšējie neironu tīkli bija spējīgi tikai pārbaudīt vienu dimensiju sistēmas, tātad taisns qubits. Šis pētījums veiksmīgi varēja pārbaudīt "divdimensiju" un "režģa formas" qubits blokus.

„Lai raksturotu daudz vispārīgākas kvantu programmas, mums ir jāiet tālāk par šo vienu dimensiju qubits struktūru,” norādīja Carleo. „Mūsu tehnika ir solis uz priekšu šajā virzienā, lai mēs varētu risināt patvaļīgus qubits elementus.”

Šis pētījums parāda, ka pilnībā funkcionējoša kvantu datora izveide būs pilnībā atkarīga no mašīnas mācīšanās. Bez šāda veida dziļas mācīšanās algoritmiem, neatkarīgi no tā, cik daudz kvantu sistēmu zinātnieki apkopo, nebūtu iespējams pierādīt, ka viņi faktiski strādā.

A.I. ir atslēga mūsdienu skaitļošanas svētajam grālam.

$config[ads_kvadrat] not found