Подписаться на новости SCDAILY 

  • Yulia Mi

Искусственный интеллект контролирует квантовые компьютеры

Искусственные нейронные сети дают возможность обучаться стратегии коррекции ошибок компьютеров, основанных на квантовой физике.


Активность искусственных нейронов при решении задач квантовой коррекции. Визуализация: Max Planck Institute for the Science of Light

Квантовые компьютеры могут решать сложные задачи, которые не под силу современным компьютерам. Однако, квантовые состояния чрезвычайно чувствительны к постоянному воздействию окружающей среды. Одной из основных задач в разработке квантовых компьютеров является борьба с внешним воздействием. Для этих целей используются методы коррекции ошибок. Флориан Макуард (Florian Marquardt), директор Института Макса Планка, и его команда разработала систему коррекции квантовых ошибок, которая может самообучаться, благодаря искусственному интеллекту.


В 2016 году компьютерная программа AlphaGo выиграла четыре из пяти партий в игру Go против лучших игроков мира. Если учесть, что в игре Go больше возможных комбинаций для ходов, чем атомов во вселенной (по оценкам ученых), такая игра требует нечто большего, чем обычной вычислительной мощности. Дело в том, что AlphaGo использует нейронные сети, которые распознают визуальные модели и даже могут обучаться. В отличие от людей, программа может практиковаться сотни тысяч раз в течение короткого времени, что в конце концов позволяет ей обыгрывать даже лучших игроков. Сейчас ученые из Эрлангена используют нейронные сети такого рода для улучшения методов коррекции ошибок в квантовых системах.


Искусственные нейронные сети – это компьютерные программы, которые имитируют взаимодействие между нервными клетками (нейронами) – в своем проекте ученые использовали около 2000 искусственных нейронов, соединенных между собой. Оказалось, что искусственные нейронные сети могут превзойти все известные стратегии коррекции ошибок.


Искусственные нейронные сети могут превзойти все известные стратегии коррекции ошибок.

В своей статье команда ученых продемонстрировала, что искусственные нейронные сети с архитектурой, созданной по принципу программы AlphaGo, могут самостоятельно обучаться тому, как выполнять задачи, что может быть существенно для работы квантовых компьютеров будущего, а именно для квантовой коррекции ошибок.


Для понимания того, в чем заключается квантовая коррекция ошибок с помощью искусственных нейронных сетей, сначала нужно вспомнить принцип работы квантового компьютера. Основная единица информации в таких компьютерах – это кубит, который в отличие от традиционного цифрового бита может принимать не только два состояния – 0 и 1, но и быть также одновременно в обоих состояниях. В квантовых компьютерных процессорах несколько кубитов могут находиться в состоянии квантовой запутанности, то есть их состояния оказываются взаимозависимыми. Такая запутанность объясняет огромную вычислительную мощность квантовых компьютеров при решении комплексных задач, с которыми не могут справиться современные компьютеры. Недостаток квантовой информации – это ее высокая чувствительность к помехам. Эта особенность квантового мира означает, что квантовая информация должна постоянно восстанавливаться – это, по сути и есть квантовая коррекция ошибок. Операции квантовой коррекции ошибок не только достаточно сложны, но еще и должны оставлять квантовую информацию в неизменном виде.


Квантовая коррекция ошибок похожа на игру Go со странными правилами.


Вы можете представить себе, что камешки-кубиты распределены по игровой доске, и каждый из них белый с одной стороы и черный с другой. Один цвет соответствует состоянию 0, другой – состоянию 1. Один шаг игры означает переворачивание камешков, то есть изменение их состояний. Согласно правилам кавнтового мира, камешки также могут быть серого смешанного цвета, что означает суперпозицию и запутанность квантовых состояний.


В процессе игры игрок – назовем ее Элис – совершает ходы, которые направлены на сохранение рисунка, соответствующего определенному квантовому состоянию. Это операции квантовой коррекции. В тоже самое время ее оппонент делает все, чтобы нарушить рисунок. Сложность заключается в том, что Элис не должна смотреть на доску в ходе игры, иначе это приведет к разрушению хрупкого квантового состояния. Вопрос в том, как Элис может совершать правильные ходы, не смотря на доску?


Вспомогательные кубиты помогают обнаруживать дефекты.


В кавнтовых компьютерах эта проблема решается расположением дополнительных кубитов между кубитами, которые хранят актуальную квантовую информацию. Периодические измерения позволяют отслеживать состояние этих промежуточных кубитов, позволяя контроллеру определить, где ошибка, и скорректировать кубиты-носители информации в нужных областях. Для выбора правильных ходов Элис может смотреть на доску, но только на промежуточные кубиты.


В работе ученых роль Элис выполняет искусственная нейронная сеть. Идея состояла в том, чтобы в ходе тренировок нейронная сеть стала справляться с поставленной задачей лучше, чем коррекционные стратегии, разработанные лучшими специалистами. Однако в ходе эксперимента с пятью-кубитной системой оказалось, что одной нейронной сети недостаточно.


Одна нейронная сеть для обучения другой.


Было решено добавить еще одну нейронную сеть, которая будет обучаться у первой нейронной сети-учителя, уже получившего знания о квантовой системе. Нейронная сеть-ученик тренируется учительской сетью и поначалу будет также хороша, как сеть-учитель, но впоследствии может даже обойти своего учителя, опираясь на данные, получаемые ими двумя.


Вдобавок к квантовой коррекции, Флориан Макуард наметил несколько других применений искусственного интеллекта. По его мнению физика предлагает множество систем, которые могут быть улучшены, благодаря использованию распознавания изображений искусственными нейронными сетями.


#нейронныесети #искусственныйинтеллект #квантоваякоррекция #кубит #коррекцияошибок #квантоваязапутанность #нейроннаясеть

Ссылка на статью-оригинал: https://www.mpg.de/12322336/artificial-intelligence-controls-quantum-computers