Как искусственный интеллект помогает в программировании квантового компьютера

Исследователи из Университета Инсбрука представили новый способ настройки квантовых операций на данном квантовом компьютере, используя модель генеративного машинного обучения для поиска подходящей последовательности квантовых вентилей для выполнения квантовой операции. Исследование, недавно опубликованное в журнале Nature Machine Intelligence, представляет собой важный шаг вперед в раскрытии всех возможностей квантовых вычислений.

Генеративные модели, такие как модели диффузии, являются одной из наиболее важных последних разработок в области машинного обучения (ML), а такие модели, как Stable Diffusion и Dall.e, совершают революцию в области генерации изображений. Эти модели способны создавать высококачественные изображения на основе некоторого текстового описания. «Наша новая парадигма программирования квантовых компьютеров делает то же самое, но вместо генерации изображений она генерирует квантовые схемы на основе текстового описания выполняемого квантового процесса», — объясняет Юрка Муньос Гил из Калифорнийского университета. Кафедра теоретической физики Из Университета Инсбрука, Австрия.

Чтобы настроить определенное квантовое состояние или выполнить алгоритм на квантовом компьютере, необходимо найти подходящую последовательность квантовых вентилей для выполнения таких операций. Хотя в классических вычислениях это довольно легко, в квантовых вычислениях это чрезвычайно сложно из-за особенностей квантового мира. Недавно несколько ученых предложили способы создания квантовых схем на основе нескольких методов машинного обучения. Однако обучение этих моделей машинного обучения часто бывает очень трудным из-за необходимости моделирования квантовых схем во время машинного обучения. Модели диффузии избегают подобных проблем благодаря способу их обучения. «Это дает огромное преимущество», — объясняет Горка Муньос-Хил, разработавший новый метод вместе с Хансом Дж. Брюгель и Флориан Фюрутер. «Кроме того, мы показываем, что модели диффузионного шумоподавления точны при создании, а также очень гибки, позволяя создавать схемы с различным количеством кубитов, а также типами и количеством квантовых вентилей». Модели также могут быть разработаны для создания схем, учитывающих возможность подключения квантовых устройств, то есть то, как кубиты соединяются в квантовом компьютере. «Поскольку после обучения модели очень дешево создавать новые схемы, ее можно использовать для открытия новых идей об интересующих квантовых процессах», — упоминает Горка Муньос Хиль о других возможностях нового метода.

Метод, разработанный в Инсбрукском университете, создает квантовые схемы на основе пользовательских спецификаций и с учетом особенностей квантовых устройств, на которых эта схема будет работать. Это представляет собой важный шаг вперед в раскрытии всех возможностей квантовых вычислений. Эта работа теперь опубликована в журнале Nature Machine Intelligence и получила финансовую поддержку, среди прочего, от Австрийского научного фонда, FWF и Европейского Союза.

Публикация: Оснащение квантовых схем диффузионными моделями. Флориан Фюрутер, Горка Муньос Хиль и Ханс Дж. Брегель. Природный машинный интеллект 2024 DOI: 10.1038/s42256-024-00831-9