ИИ предсказывает квантовое преимущество: нейросеть прогнозирует поведение систем

Новый инструмент для квантовой инженерии

Квантовые компьютеры обещают решать сложные задачи: химические реакции, стабильные молекулы для фармы. Но ключевая проблема — computational speedup. Разработка стоит времени/денег, а гарантии квантового преимущества нет.

Команда МФТИ, ITMO и Института физики им. Валиева создала инструмент, предсказывающий, будет ли у заданной квантовой машины квантовое преимущество. Нейросеть анализирует структуру сети квантовой системы и учится предсказывать её поведение. Помогает разрабатывать эффективные квантовые устройства.

Квантовые блуждания и ИИ

Квантовые блуждания (quantum walks) — квантовые аналоги классических случайных блужданий. Частица движется по сети, лежащей в основе квантовой схемы. Состояние квантового блуждающей частицы — когерентная суперпозиция позиций. Устройство имеет квантовое преимущество, если частица в его схеме проходит квантовое блуждание быстрее классического аналога.

ML-модель идентифицирует такие superiores сети. Обучающая выборка: симуляция динамики классических и квантовых частиц. Каждый пример — матрица смежности + метка «classical»/«quantum». Модель различает сети и предсказывает преимущество.

Также создан инструмент упрощения разработки вычислительных схем на квантовых алгоритмах — для материаловедения и биофоторики.

Значение квантовых блужданий

Проще архитектур на кубитах/вентилях. Потенциал точного описания возбуждения фотосенситивных белков (хлорофилл, родопсин). Белок — сложная биомолекула со структурой сети. Квантовое блуждание между узлами раскрывает динамику электронов и возбуждение внутри молекулы.