Квантовые компьютеры вызвали много шума, и на то есть веские причины. Футуристические компьютеры предназначены для имитации того, что происходит в природе в микроскопических масштабах. Это означает, что у них есть возможность лучше понять квантовую сферу и ускорить открытие новых материалов, включая фармацевтические препараты, экологически чистые химические вещества и многое другое. Тем не менее, эксперты говорят, что до того, как квантовые компьютеры станут доступны для практического применения, осталось еще десятилетие или даже больше. Что делать тем временем исследователям?

Один из вариантов был описан в исследовании, которое объясняет, как инструменты машинного обучения, работающие на классических компьютерах, могут использоваться для прогнозирования квантовых систем и, следовательно, помогают ученым решать некоторые из самых сложных задач физики и химии. Хотя это уже было предложено ранее, новый отчет является первым математическим доказательством того, что метод работает в задачах, которые не могут решить никакие традиционные алгоритмы. Исследование, проведенное Калифорнийским технологическим институтом, было опубликовано в журнале Science.

На микроскопическом уровне физический мир становится чрезвычайно сложным местом, управляемым законами квантовой физики. В этой области частицы могут существовать в суперпозиции состояний или в двух состояниях одновременно. А суперпозиция состояний может привести к запутанности — явлению, при котором частицы связаны или коррелированы, даже не находясь в контакте друг с другом. Эти странные состояния и соединения, широко распространенные в природных и искусственных материалах, очень трудно описать математически.

Предсказать низкоэнергетическое состояние материала очень сложно. Существует огромное количество атомов, и они накладываются друг на друга и запутываются. Вы не можете написать уравнение, чтобы описать все это.

Новое исследование представляет собой первую математическую демонстрацию того, что классическое машинное обучение можно использовать для преодоления разрыва между нами и квантовым миром. Машинное обучение, считающееся областью искусственного интеллекта, представляет собой тип компьютерного приложения, которое имитирует человеческий мозг для обучения на основе данных.

Хотя предыдущие исследования показали, что модели машинного обучения способны решать некоторые квантовые проблемы, эти методы обычно работают таким образом, что ученым сложно понять, как машины пришли к своим решениям. Новое исследование поможет исследователям лучше понять и классифицировать сложные и экзотические фазы квантовой материи.

В конечном счете, ученые говорят, что будущие инструменты машинного обучения на основе квантовых данных превзойдут классические методы. В соответствующем исследовании, опубликованном 10 июня 2022 года в журнале Science, исследователи сообщают об использовании процессора Google Sycamore, элементарного квантового компьютера, чтобы продемонстрировать, что квантовое машинное обучение превосходит классические подходы.