Crear computadoras cuánticas es costoso y requiere mucho tiempo, y no se garantiza que los dispositivos resultantes exhiban ninguna ventaja cuántica, es decir, a menudo no funcionan más rápido que una computadora convencional. Por lo tanto, los investigadores necesitan herramientas para predecir si un dispositivo cuántico determinado tendrá una ventaja cuántica.

Una de las formas de implementar los cálculos cuánticos son los paseos cuánticos. En términos simplificados, el método puede visualizarse como una partícula que viaja en una determinada red que subyace a un circuito cuántico. Si el paseo cuántico de una partícula de un nodo de red a otro ocurre más rápido que su análogo clásico, un dispositivo basado en ese circuito tendrá una ventaja cuántica. La búsqueda de redes tan superiores es una tarea importante abordada por los expertos en caminata cuántica.

Investigadores rusos del Instituto de Física y Tecnología de Moscú, El Instituto Valiev de Física y Tecnología y la Universidad ITMO han creado una red neuronal que aprendió a predecir el comportamiento de un sistema cuántico analizando su estructura de red. La red neuronal encuentra de forma autónoma soluciones que están bien adaptadas a las demostraciones de ventajas cuánticas. Esto ayudará a los investigadores a desarrollar nuevas computadoras cuánticas eficientes. Los hallazgos se informan en el Nueva Revista de Física .

Una amplia gama de problemas en la ciencia moderna se resuelve mediante cálculos mecánicos cuánticos. Algunos de los ejemplos son la investigación de reacciones químicas y la búsqueda de estructuras moleculares estables para la medicina, productos farmacéuticos y otras industrias. La naturaleza cuántica de los problemas involucrados hace que los cálculos cuánticos se adapten mejor a ellos. Cálculos clásicos, por el contrario, tienden a devolver solo soluciones aproximadas voluminosas.

Lo que hicieron los investigadores rusos fue entrenar un modelo de IA para distinguir entre redes y determinar si una red dada tiene una ventaja cuántica. Esto identifica las redes que son buenas candidatas para construir una computadora cuántica. El equipo utilizó una red neuronal orientada al reconocimiento de imágenes. Una matriz de adyacencia sirvió como datos de entrada, junto con los números de los nodos de entrada y salida. La red neuronal devolvió una predicción de si el paseo clásico o cuántico entre los nodos dados sería más rápido.

"No era obvio que este enfoque funcionaría, pero lo hizo. Hemos tenido bastante éxito en entrenar a la computadora para hacer predicciones autónomas de si una red compleja tiene una ventaja cuántica, ", dijo el profesor asociado Leonid Fedichkin del departamento de física teórica en MIPT.

"La línea entre los comportamientos cuánticos y clásicos es a menudo borrosa. La característica distintiva de nuestro estudio es la visión por computadora de propósito especial resultante, capaz de discernir esta delgada línea en el espacio de la red, ", dijo Alexey Melnikov, graduado del MIPT e investigador de la Universidad ITMO.

Con su coautor Alexander Alodjants, los investigadores crearon una herramienta que simplifica el desarrollo de circuitos computacionales basados ​​en algoritmos cuánticos. Los dispositivos resultantes serán de interés para la investigación biofotónica y la ciencia de los materiales.

Uno de los procesos que describen bien los paseos cuánticos es la excitación de proteínas fotosensibles como la rodopsina o la clorofila. Una proteína es una molécula compleja cuya estructura se asemeja a una red. Resolver un problema que implica formalmente encontrar el tiempo de recorrido cuántico de un nodo a otro puede revelar lo que le sucede a un electrón en una posición particular de una molécula. donde se moverá, y qué tipo de excitación provocará.

En comparación con arquitecturas basadas en qubits y puertas, Se espera que los paseos cuánticos ofrezcan una forma más fácil de implementar el cálculo cuántico de los fenómenos naturales. La razón de esto es que las caminatas en sí mismas son un proceso físico natural.