新算法可实现对量子器件进行高效准确的验证
在不久的将来,使用新的量子力学性质的技术可能变得很普遍。这包括使用量子信息作为输入和输出数据的设备,但由于固有的不确定性,还需要仔细验证。如果设备依赖于时间,而输出依赖于过去的输入,那么验证就更具挑战性。研究人员首次使用机器学习技术,通过在这些系统中加入某种记忆效应,大大提高了对依赖时间的量子器件的验证效率。
量子计算机经常登上科学媒体的头条,但大多数专家认为这些机器仍处于起步阶段。然而,量子互联网可能更为现实。与目前的互联网相比,量子互联网有显著的安全优势。但即便如此,这也将依赖于尚未在实验室之外见到曙光的技术。虽然创建量子互联网设备的许多基本原理已经得到了解决,但要将这些产品付诸实用,还有许多工程上的挑战。但许多正在进行的研究正致力于创造设计量子设备的工具。 来自东京大学信息科学与技术研究院(Graduate School of Information Science and Technology at the University of Tokyo)的博士后研究员Quoc Hoan Tran和副教授Kohei Nakajima首创了一种工具,这种工具可以使验证量子器件的行为比目前更高效、更精确。他们贡献的算法可以通过简单地学习量子输入和输出之间的关系,重建一个随时间变化的量子工作原理装置。这种方法实际上在探索经典物理时很常见,但由于量子信息通常很难存储,所以也难以实现。 “基于输入和输出来描述量子系统的技术叫作量子过程层析成像。”Tran说,“然而,许多研究人员现在发现他们的量子系统表现出某种记忆效应,即当前状态会受到先前状态的影响。这意味着对输入和输出状态的简单检查不能描述系统的时间依赖性。你可以在每次时间更改后重复对系统进行建模,但这将极大地降低计算效率。我们的目标是接受这种记忆效应并将其用于我们的优势,而不是强行克服它。” Tran和Nakajima转向机器学习和一种叫做量子储层计算的技术来构建他们的新算法。这种算法将学习量子系统中随时间变化的输入和输出模式,并有效地猜测这些模式将如何变化,即使是在算法尚未见证的情况下也是如此。由于它不需要像更经验主义的方法那样了解量子系统的内部工作原理,它只需要了解输入和输出,所以该团队的算法可以更简单,也能更快地产生结果。 “目前,我们的算法可以模拟某种量子系统,但假想中的设备在处理能力和记忆效果上可能有很大差异。因此,研究的下一个阶段将是拓宽我们算法的能力,从本质上使一些东西更通用,从而更有用。”Tran说,“对量子机器学习方法可以做的事情,以及它们可能产生的假想装置感到兴奋。”该研究发表于《物理评论快报》(Physical Review Letters)。 (来源:中国数字科技馆)
分享到:
|