اکنون نانوتکنولوژی - بیانیه مطبوعاتی: یادگیری ماشینی به تصحیح بهتر خطای کوانتومی کمک می کند

بازنشر افلاطون

دنبال: 0

صفحه اصلی > رسانه ها و مطبوعات > یادگیری ماشین به تصحیح بهتر خطای کوانتومی کمک می کند

تصویر ایجاد شده توسط هوش مصنوعی که کار را نشان می دهد

چکیده:
محققان مرکز محاسبات کوانتومی RIKEN از یادگیری ماشین برای انجام تصحیح خطا برای رایانه‌های کوانتومی استفاده کرده‌اند - گامی حیاتی برای عملی کردن این دستگاه‌ها - با استفاده از یک سیستم تصحیح خودکار که علیرغم تقریبی بودن، می‌تواند به طور موثر تعیین کند که چگونه می‌توان اصلاحات لازم را انجام داد.

یادگیری ماشین به اصلاح بهتر خطای کوانتومی کمک می کند

واکو، ژاپن | ارسال شده در 8 سپتامبر 2023

برخلاف رایانه‌های کلاسیک که روی بیت‌هایی کار می‌کنند که فقط می‌توانند مقادیر اولیه 0 و 1 را بگیرند، رایانه‌های کوانتومی بر روی «کیوبیت‌ها» کار می‌کنند که می‌توانند هر برهم‌نهی حالت‌های پایه محاسباتی را فرض کنند. در ترکیب با درهم تنیدگی کوانتومی، یکی دیگر از ویژگی‌های کوانتومی که کیوبیت‌های مختلف را فراتر از ابزارهای کلاسیک به هم متصل می‌کند، این امر رایانه‌های کوانتومی را قادر می‌سازد تا عملیات کاملاً جدیدی را انجام دهند و مزایای بالقوه‌ای را در برخی از وظایف محاسباتی، مانند جستجو در مقیاس بزرگ، مشکلات بهینه‌سازی، و رمزنگاری ایجاد می‌کند.

چالش اصلی برای به کارگیری رایانه های کوانتومی از ماهیت بسیار شکننده برهم نهی های کوانتومی ناشی می شود. در واقع، اغتشاشات کوچک ناشی از حضور فراگیر یک محیط، منجر به خطاهایی می شود که به سرعت برهم نهی های کوانتومی را از بین می برد و در نتیجه، رایانه های کوانتومی لبه خود را از دست می دهند.

برای غلبه بر این مانع، روش های پیچیده ای برای تصحیح خطای کوانتومی توسعه داده شده است. در حالی که آنها در تئوری می توانند با موفقیت اثر خطاها را خنثی کنند، اغلب با سربار عظیمی در پیچیدگی دستگاه همراه هستند که خود مستعد خطا است و بنابراین به طور بالقوه حتی قرار گرفتن در معرض خطاها را افزایش می دهد. در نتیجه، تصحیح خطای تمام عیار مبهم باقی مانده است.

در این کار، محققان از یادگیری ماشینی در جستجوی طرح‌های تصحیح خطا استفاده کردند که سربار دستگاه را به حداقل می‌رساند در حالی که عملکرد تصحیح خطا را حفظ می‌کند. برای این منظور، آنها بر روی یک رویکرد مستقل برای تصحیح خطای کوانتومی تمرکز کردند، جایی که یک محیط مصنوعی طراحی شده هوشمندانه جایگزین لزوم انجام اندازه‌گیری‌های مکرر تشخیص خطا می‌شود. آنها همچنین «رمزگذاری‌های کیوبیت بوزونی» را بررسی کردند که برای مثال در برخی از امیدوارکننده‌ترین و گسترده‌ترین ماشین‌های محاسباتی کوانتومی مبتنی بر مدارهای ابررسانا در دسترس هستند و مورد استفاده قرار می‌گیرند.

یافتن نامزدهای با کارایی بالا در فضای جستجوی وسیع رمزگذاری‌های کیوبیت بوزونی، یک کار بهینه‌سازی پیچیده را نشان می‌دهد که محققان با یادگیری تقویتی، یک روش یادگیری ماشینی پیشرفته، که در آن یک عامل یک محیط احتمالاً انتزاعی را برای یادگیری و بهینه‌سازی خط‌مشی اقدام خود بررسی می‌کند، به آن می‌پردازند. با این کار، گروه دریافتند که یک رمزگذاری تقریبی کیوبیت به طرز شگفت‌آوری می‌تواند پیچیدگی دستگاه را در مقایسه با سایر کدگذاری‌های پیشنهادی کاهش دهد، بلکه از نظر توانایی در تصحیح خطاها از رقبای خود بهتر عمل می‌کند.

Yexiong Zeng، نویسنده اول مقاله، می‌گوید: «کار ما نه تنها پتانسیل بکارگیری یادگیری ماشین را در جهت تصحیح خطای کوانتومی نشان می‌دهد، بلکه ممکن است ما را یک قدم به اجرای موفقیت‌آمیز تصحیح خطای کوانتومی در آزمایش‌ها نزدیک‌تر کند.»

به گفته فرانکو نوری، «یادگیری ماشین می‌تواند نقشی محوری در رسیدگی به چالش‌های محاسبات کوانتومی و بهینه‌سازی در مقیاس بزرگ داشته باشد. در حال حاضر، ما به طور فعال در تعدادی از پروژه‌ها مشارکت داریم که یادگیری ماشین، شبکه‌های عصبی مصنوعی، تصحیح خطای کوانتومی و تحمل خطای کوانتومی را ادغام می‌کنند.

####

برای اطلاعات بیشتر، لطفا کلیک کنید اینجا کلیک نمایید

تماس با ما:
ینس ویلکینسون
خوشمزه
دفتر: 81-484-621-424

حق چاپ © RIKEN

اگر نظری دارید بفرمایید تماس با ما ما.

مسئولیت صحت محتوا به عهده صادرکنندگان انتشارات خبری است، نه موج هفتم، شرکت یا نانوتکنولوژی اکنون.

نشانک: