La Voz De WNY
量子计算机是实现当今传统计算系统所不可能实现的目标的关键。虽然尚未创建功能齐全的量子模拟器 - 或者用于解决特定问题的小型系统 - 已经显示出在某些任务中胜过现代超级计算机的能力。
这些量子结构可以以荒谬的速度运行无数的操作。这似乎只是一个好处，但纽约Flatiron研究所计算量子物理中心的Giuseppe Carleo博士解释说，量子计算机的最大资产实际上是一个主要障碍。
“检查你的笔记本电脑是否正常运行是相当简单的，对量子计算机做同样的事情也更复杂，”Carleo说 逆 。 “每次在它们上运行程序时，输出都是不确定的，这导致一个问题的答案很多。这就是量子计算机如此强大的原因，但它也意味着很难评估这些结果是完全随机的还是正确的。“
但Carleo和一群国际研究人员已经找到了一种利用人工智能快速审计复杂量子系统的方法。他们的研究发表在期刊上 自然物理学 在2月26日，提供了一种技术，有必要表明未来的量子计算机实际上正在工作。
量子系统存储信息的方式使得它们难以验证。
计算机中最小的数据单位有点，必须是一个 要么 零。量子计算系统使用“量子比特”，它可以代表两者 和 同时为零。这种微小的变化使这些计算机能够处理难以想象的大量任务。一系列50个量子比特可以代表10,000,000,000,000,000个数字，这将占用传统计算机中的数PB空间，科学家们完全不可能回去检查。
Carleo和他的大学使用机器学习技术来基本上检查量子系统的工作，这是使用传统方法不可行的。
“这些机器能够以非常紧凑的方式捕捉量子系统的本质，”Carleo说。 “神经网络或多或少地自动了解这些极其复杂系统中的相关特征。他们能够掌握这种复杂性并将其转化为理解其基本结构。“
这不是研究人员第一次使用A.I.做这样的事情，但Carleo的工作能够分析比之前的研究更精细的系统。
Qubits被组织成不同的形状以解决各种问题。以前的神经网络只能审计一维系统，因此是一条直线的量子比特。这项研究成功地检查了“二维”和“格子状”量子比特阵列。
“为了描述更一般的量子程序，我们需要超越量子比特的这种一维结构，”Carleo说。 “我们的技术是向这个方向迈出的一步，这样我们就可以解决任意的量子比特问题。”
这项研究表明，全功能量子计算机的创建将完全依赖于机器学习。没有这些深度学习算法，无论科学家组装多少量子系统，都无法证明它们确实有效。
A.I.掌握了现代计算的圣杯。