Nanotechnology Now - 보도 자료: 기계 학습이 더 나은 양자 오류 수정에 기여

플라톤에 의해 재발행

팔로워 : 0

홈 > PR 기사 > 기계 학습은 더 나은 양자 오류 수정에 기여합니다.

작품을 설명하는 AI 생성 이미지

요약 :
RIKEN 양자 컴퓨팅 센터의 연구원들은 기계 학습을 사용하여 근사치에도 불구하고 필요한 수정을 수행하는 최선의 방법을 효율적으로 결정할 수 있는 자율 수정 시스템을 사용하여 이러한 장치를 실용적으로 만드는 중요한 단계인 양자 컴퓨터에 대한 오류 수정을 수행했습니다.

기계 학습은 더 나은 양자 오류 수정에 기여합니다.

일본 와코 | 게시일: 8년 2023월 XNUMX일

기본 값 0과 1만 사용할 수 있는 비트에서 작동하는 기존 컴퓨터와 달리 양자 컴퓨터는 계산 기반 상태의 중첩을 가정할 수 있는 "큐비트"에서 작동합니다. 이는 고전적인 수단을 넘어 서로 다른 큐비트를 연결하는 또 다른 양자 특성인 양자 얽힘과 결합하여 양자 컴퓨터가 완전히 새로운 작업을 수행할 수 있게 하여 대규모 검색, 최적화 문제 및 암호화와 같은 일부 계산 작업에서 잠재적인 이점을 제공합니다.

양자 컴퓨터를 실용화하는 데 있어 주요 과제는 양자 중첩의 극도로 취약한 특성에서 비롯됩니다. 실제로, 예를 들어 환경의 어디에나 존재함으로써 유발되는 작은 섭동은 양자 중첩을 빠르게 파괴하는 오류를 발생시키며, 결과적으로 양자 컴퓨터는 우위를 잃습니다.

이러한 장애물을 극복하기 위해 정교한 양자 오류 수정 방법이 개발되었습니다. 이론적으로는 오류의 영향을 성공적으로 무력화할 수 있지만 장치 복잡성으로 인해 막대한 오버헤드가 발생하는 경우가 많습니다. 이는 그 자체로 오류가 발생하기 쉽고 잠재적으로 오류에 대한 노출을 증가시키기도 합니다. 결과적으로 완전한 오류 수정은 여전히 어렵습니다.

이 연구에서 연구원들은 우수한 오류 수정 성능을 유지하면서 장치 오버헤드를 최소화하는 오류 수정 체계를 찾기 위해 기계 학습을 활용했습니다. 이를 위해 그들은 교묘하게 설계된 인공 환경이 빈번한 오류 감지 측정을 수행할 필요성을 대체하는 양자 오류 수정에 대한 자율적인 접근 방식에 중점을 두었습니다. 그들은 또한 예를 들어 초전도 회로를 기반으로 하는 현재 가장 유망하고 널리 퍼진 양자 컴퓨팅 기계 중 일부에서 사용 가능하고 활용되는 "보소닉 큐비트 인코딩"을 조사했습니다.

보소닉 큐비트 인코딩의 광대한 검색 공간에서 고성능 후보를 찾는 것은 복잡한 최적화 작업을 의미하며, 에이전트가 행동 정책을 학습하고 최적화하기 위해 추상적인 환경을 탐색하는 고급 기계 학습 방법인 강화 학습을 통해 연구원들이 이를 해결합니다. 이를 통해 그룹은 놀랍도록 간단하고 근사한 큐비트 인코딩이 제안된 다른 인코딩에 비해 장치 복잡성을 크게 줄일 수 있을 뿐만 아니라 오류 수정 기능 측면에서 경쟁사보다 뛰어난 성능을 발휘할 수 있음을 발견했습니다.

논문의 첫 번째 저자인 Yexiong Zeng은 "우리의 연구는 양자 오류 수정을 위한 기계 학습 배포의 잠재력을 보여줄 뿐만 아니라 실험에서 양자 오류 수정의 성공적인 구현에 한 걸음 더 가까워질 수 있습니다."라고 말합니다.

Franco Nori에 따르면, “머신러닝은 대규모 양자 계산 및 최적화 문제를 해결하는 데 중추적인 역할을 할 수 있습니다. 현재 우리는 기계 학습, 인공 신경망, 양자 오류 수정 및 양자 내결함성을 통합하는 여러 프로젝트에 적극적으로 참여하고 있습니다.”

####

자세한 내용은 클릭하세요 여기에서 지금 확인해 보세요.

연락처 :
젠스 윌킨슨
理研
사무실 : 81-484-621-424

의견이 있으시면 제발 상담문의 우리.

7th Wave, Inc. 또는 Nanotechnology Now가 아닌 뉴스 릴리스 발행자는 전적으로 컨텐츠의 정확성에 대한 책임이 있습니다.

서표: