Мы будем рады, если вы поддержите портал



Вконтакте Одноклассники Твиттер Фейсбук

красный зелёный голубой

Машинное обучение справилось с исправлением ошибок в квантовых компьютерах

Машинное обучение справилось с исправлением ошибок в квантовых компьютерах
ПОЛНЫЙ АНТИПАРАЗИТАРНЫЙ КОМПЛЕКТ (НА 10 ДНЕЙ ЧИСТКИ). ЛИМОННО ЭВКАЛИПТОВАЯ ЧИСТКА

Физики из Университета Сиднея разработали метод исправления «квантовых ошибок» с помощью машинного обучения. Алгоритм предсказывает эволюцию квантового состояния и его распада и управляет его состоянием, чтобы избежать декогеренции. Методика позволит увеличить время жизни кубитов квантовых компьютеров и увеличить надежность систем на их основе. Исследование опубликовано в журнале Nature Communications.

В основеквантовых компьютеров лежат квантовые аналоги битов — кубиты. Эти элементынаходятся в когерентныхсостояниях(в суперпозиции состояний), принимая с некоторой долей вероятности значение«ноль» или «единица». Однако это состояние очень хрупкое и взаимодействиякубита с окружающей средой разрушают его, происходит декогеренция и врезультате вместо суперпозиции двух состояний кубит оказывается в одномконкретном. Если декогеренция произойдет в ходе вычислений (например, разложения числа напростые множители), то помимоправильных разложений с некоторой вероятностью будут выпадать ошибочныемножители.

Проблемудекогеренции кубитов как правило решают с помощью пассивных методов —усовершенствованием изоляции или топологической защитой квантовых состояний.Также существует активный подход. Его можно описать следующим образом: в каждыймомент времени наблюдатель следит за квантовым состоянием кубита и если ононачинает распадаться, то с помощью системы обратной связи к нему прикладываетсянекоторое обращающее декогеренцию воздействие — обратная связь. Проблемаактивного подхода состоит в необходимости наблюдать за квантовой системой. Вквантовой механике операция измерения (наблюдения) также разрушаеткогерентность.

Авторы новойработы попытались обойти эту проблему, используя методы управления спредсказанием. Физики использовали методы машинного обучения с учителем для поискакорреляций в квантовом шуме и процессах декогеренции. Проверка методикипроисходила на ионах иттербия, захваченных в оптическую ловушку. Ионы моглинаходиться в двух электронных состояниях, близких по энергии — условно «ноль»,или «единица».

Чтобы оценить эффективность методики авторы использовали заранее известный шум, по своей интенсивности превышающий все другие возможные шумы системы. Однако информация о «запрограммированности» шума была недоступна для алгоритмов обучения. В результате физики зафиксировали снижение уровня ошибок в кубите. Ученые отмечают, что метод не требует дополнительных квантовых систем для анализа и может быть применен для любых архитектур кубитов.

Ранее IBM сообщила о создании четырехкубитных чипов с автоматическим детектированием ошибок двух типов: декогеренции и смены бита (bit-flip) (изменяющей состояние кубита на противоположное). В их основе лежат сверхпроводящие кубиты. Задача о коррекции квантовых ошибок в кубитных чипах решена для ошибок типа смены бита.

Владимир Королёв

N+1

Поставьте оценку:
Рейтинг 0 (Проголосовало: 0)
Понравилось? Поделитесь с друзьями через кнопки социальных сетей!

Добавить страницу в закладки

0
10:28
27
Популярные видео каналы