Kvanttisimulointia analogisesti ja koneoppimisella

University College Dublin (UCD) ja Stanfordin yliopiston tutkijoiden kehittämä uudenlainen analoginen tietokone voisi ratkaista joitain kvanttifysiikan jännittävimmistä vastaamattomista kysymyksistä.

Työssään tutkijat selvittivät, kuinka tämä kvanttisimulaattori voi simuloida kahden kvanttiobjektin välistä vuorovaikutusta ja se voidaan helposti skaalata jakossa monimutkaisempiin järjestelmiin - tarjoten mahdollisuuden syventyä suprajohteiden ja muiden epätavallisten aineiden kiehtoviin tiloihin.

"Monimutkaisten kvanttimateriaalien, kuten korkean lämpötilan suprajohteiden, tarkka simulointi on todella tärkeä esimerkki. Tällainen laskenta on paljon nykyisten kykyjen yläpuolella, koska realististen mallien ominaisuuksien simulointiin tarvitaan eksponentiaalista laskenta-aikaa ja muistivaatimuksia, kertoo tohtori Andrew Mitchell, Dublinin C-QuEST-keskuksen johtaja.

"Vaikka emme ole vielä pystyneet rakentamaan monikäyttöistä ohjelmoitavaa kvanttitietokonetta, jonka teho on riittävä ratkaisemaan kaikki fysiikan avoimet ongelmat, voimme nyt kvanttisimulaattoreiden avulla rakentaa mittatilaustyönä valmistettuja analogisia laitteita, joissa on kvanttikomponentteja, jotka pystyvät ratkaisemaan tiettyjä kvanttifysiikan ongelmia."

Näiden erikoistuneiden analogisten rakenteiden perusideana on rakentaa laitteistoratkaisu ongelmaan sen sijaan, että kirjoitettaisiin koodia digitaaliselle tietokoneelle. Uusi kvanttisimulaattorin arkkitehtuuri sisältää elektronisia piirejä, joiden ominaisuuksia säätelevät kvanttimekaniikan lait.

Professori David Goldhaber-Gordon Stanfordista sanoi: "Teemme jatkuvasti matemaattisia malleja, joiden toivomme kuvaavan kiinnostavien ilmiöiden olemuksen, mutta vaikka uskomme niiden olevan oikeita, niitä ei useinkaan voida ratkaista kohtuullisessa ajassa. Kvanttisimulaattorilla meillä on sitten kokeilunuppeja käännettäväksi, tavalla joita kenelläkään ei ole koskaan ennen ollut", hän lisäsi.

Kansainvälinen tutkijaryhmä Luxemburgin ja Berliinin yliopistoista ja Googlesta on puolestaan onnistuneesti kehittänyt koneoppimisalgoritmin suuriin ja monimutkaisiin kvanttijärjestelmiin.

Kehitetty oppimisalgoritmi rekonstruoi niin sanottuja globaaleja voimakenttiä koneoppimismenetelmien pohjalta tekemättä mahdollisia tarpeettomia yksinkertaistuksia.

"Tämä työ on ponnahduslauta satojen atomien järjestelmien aidosti ennustavien kvanttisimulaatioiden avaamiseen", sanoo Googlen tutkija Oliver Unke.

"Koneoppimismenetelmät lupaavat konvergenssin täsmällisten kvanttimekaanisten mallien ja tehokkaiden empiiristen ratkaisujen välillä. Niillä on potentiaalia nopeuttaa tieteellistä kvanttikemian tutkimusta tarjoamalla täysin uusia mahdollisuuksia ymmärtää paremmin atomien vuorovaikutusta monimutkaisissa fysikaalisissa järjestelmissä", selittää Luxemburgin professori Alexandre Tkatchenko.

Aiheesta aiemmin:

Jalokivessä avain tulevaisuuden kvanttitietokoneille

Kvanttilaskentaa viritellen

Topologisia ulottuvuuksia kvanttitietotekniikalle