来自莫斯科物理技术研究所（Moscow Institute of Physics and Technology）、瓦利耶夫物理技术研究所（Valiev Institute of Physics and Technology）和俄罗斯圣彼得堡国立资讯机械于光学大学（ITMO）的俄罗斯研究员创建了一种神经网络，通过“观察”量子系统的网络结构，学会了预测量子系统的行为。神经网络可以自主地找到适合于量子优势演示的解决方案。这将有助于研究人员开发新的高效量子计算机。
这一发现发表在近期的物理学杂志上，题为“Predicting quantum advantage by quantum walk with convolutional neural networks”。
量子计算现状
现代科学中的许多问题都可以通过量子力学计算来解决的，包括对化学反应的研究，以及为医药、制药和其他行业寻找稳定的分子结构。相比经典计算机，量子计算机的并行计算能力使其能够更快速地找到解决方案。
创建量子计算机成本高、耗时长，且目前的设备不能保证一定会显示出量子优势。也就是说，解决问题的速度比传统经典计算机快。因此，研究人员需要一些工具来预测给定的量子器件是否具有量子优势。
量子游走
实现量子计算的方法之一是量子游走（Quantum Walks）。简言之，这种方法可以被视为一个粒子在量子线路下面的某个网络中移动。如果一个粒子从一个网络节点到另一个网络节点的量子游走速度快于其经典模拟，那么基于该线路的设备将具有量子优势。寻找这样的网络是量子游走专家们面临的一项重要任务。
俄罗斯的研究员用人工智能代替了这些专家。他们训练的机器可以区分网络并判断给定网络是否能提供量子优势。这就确定了适合于构建量子计算机的网络。
研究小组使用了一种基于图像识别的神经网络作为输入数据的邻接矩阵，以及输入和输出节点的数目。神经网络返回了一个预测结果，即给定节点之间的经典或量子游走是否会更快。
“虽然这种方法的效果尚不明且，但确实奏效了。”MIPT理论物理系的Leonid Fedickin副教授说，“我们已经成功地训练了计算机，使其能够自主预测复杂网络是否具有量子优势。”
“量子行为和经典行为之间的界限常常是模糊的。我们研究的特点是产生的专用计算机视觉，能够识别网络空间中的这条细线。” ITMO大学研究员Alexey Melnikov补充说。
研究员与他们的合作者亚历山大·阿洛贾茨（Alexander Alodjants）共同开发了一种工具，简化了基于量子算法的计算线路的开发。由此产生的器件将引起生物光子学研究和材料科学的兴趣。
量子游走所描述的一个很好的过程是光敏蛋白质的激发，如视紫红质或叶绿素。蛋白质是一种结构类似网络的复杂分子。解决一个形式上涉及到从一个节点到另一个节点的量子游走时间的问题，实际上可以揭示电子在分子中某个特定位置发生了什么，它将在哪里移动，以及它将引起什么样的激发结果。 与基于量子比特和量子门的体系结构相比，量子游走有望为实现自然现象的量子计算提供一种更简单的方法，因为游走本身是一个自然的物理过程。
该项研究由俄罗斯政府拨款和俄罗斯基础研究基金会资助。瓦利耶夫物理与技术研究所是俄罗斯科学院的一部分。
本文由量子计算最前沿基于相关资料原创编译，转载请联系本公众号获得授权。
作者 | 量子计算最前沿 编辑 | Sakura
评论(1)
量子游走，厉害??