ИИ обеспечит фильтрацию шума при высокоточных квантовых вычислениях
Подавлению внешнего шума при считывании спиновых состояний электронов на квантовых точках для более надежных квантовых вычислений обучили искусственный интеллект ученые из Института научных и промышленных исследований (SANKEN) Университета Осаки, 18 октября сообщает сайт новостей науки EurekAlert.
Исследователи обучили глубокую нейронную сеть правильно определять выходное состояние кубитов (квантовых битов), несмотря на шум окружающей среды. Новый метод, предложенный командой ученых, может способствовать получению квантовыми компьютерами более широкого распространения.
«Мы разработали классификатор, основанный на глубокой нейронной сети, чтобы точно измерить состояние кубита даже с зашумленными сигналами», — поясняет Такафуми Фудзита, соавтор статьи, называющейся «Помехоустойчивая классификация однократных считываний электронного спина с использованием глубокой нейронной сети».
Напомним, в отличие от обыкновенного компьютера, который основан на бинарной логике, в которой каждый бит ограничен значением «1» или «0», кубит квантового компьютера, в которых квантовыми точками, определяющими значение бита (его суперпозиции), являются значения спинов электронов, согласно законам квантовой механики, может одновременно быть как «0», так и «1».
Однако, при считывании конечного состояния бита — спина, он возвращается к классическому поведению, т. е. к той или иной ориентации.
В экспериментальной системе, созданной исследователями, только электроны с определенной ориентацией спина могут покинуть квантовую точку. Когда это происходит, создается временная «вспышка» повышенного напряжения.
Команда ученых обучила ИИ выделять эти сигналы среди шума. Глубокая нейронная сеть, которую они использовали, имела сверточную нейронную сеть, эффективно распознающие образы, для определения важных характеристик сигнала, а также рекуррентную нейронную сеть, запоминающую входную последовательность в состояниях памяти и предсказывающую будущие последовательности, для мониторинга данных временных рядов.
«Наш подход упростил процесс обучения для адаптации к сильным помехам, которые могут варьироваться в зависимости от ситуации», — сообщил руководитель исследования Акира Оива.
Ученые проверили надежность разработанного классификатора, имитировав шум и дрейф во входном сигнале. После чего они обучили алгоритм ИИ работе с реальными данными из массива квантовых точек. В результате был достигнут уровень точности более 95%.
Результаты этого исследования были опубликованы в британском научном журнале Npj Quantum Information. Как считают разработчики, они позволят проводить высокоточные измерения крупномасштабных массивов кубитов в будущих квантовых компьютерах.
