Ülikooli Oxford teadlaste läbiviidud pionjäärne uuring on teinud olulisi edusamme kvantseadmete arendamisel esineva suure väljakutse ületamisel. Machine learningi jõudu kasutades on teadlased hakkama saanud “reaalsuse lõhega” – kvantseadmete ennustatud ja täheldatud käitumise erinevusega – avades uued võimalused kvantarvutuse arendamiseks.
Üllatuslikud leiud, mida avaldatakse ajakirjas Physical Review X, pakuvad paljulubavaid teadmisi mitmesuguste rakenduste jaoks alates kliimamudelitest ravimite avastamiseni. Kvantarvutuse valdkonnas on üksikute kvantseadmete, nn qubitite, mastaapsus ja integreerimine olulised täiustatud funktsionaalsuse saavutamiseks mitmes valdkonnas. Siiski on seni püsiv takistus olnud näiliselt identseliste kvantühikute sisemine muutuvus.
Arvatakse, et selle muutuvuse põhjus peitub materjalides esinevates nanoskaala puudustes, mida kasutatakse kvantseadmete ehitamiseks. Kuna neid puudusi ei saa otse mõõta, muutub tulemuste täpne ennustamine äärmiselt keeruliseks. Sellele probleemile lahenduse leidmiseks võttis uurimisrühm kasutusele “physics-informed” masinõppe lähenemise.
Juhtiv teadlane, dotsent Natalia Ares võrdles metoodikat ennustuste parandamisega “hullu golfi” mängus, tehes korduvaid lööke simulaatori ja masinõppe tehnikate abil. Teadlased kogusid andmeid, mõõtes väljundvoolu erinevate pinge seadetega üksikus kvantpunktiseadmes. Seejärel toideti need andmed simuleerimisse, mis arvutas välja mõõdetud ja teoreetiliste voolu väärtuste erinevused, võttes arvesse sisemise ebakorrapärasuse puudumist.
Erinevate pingeseadete korral protsessi korduvalt iterates tuvastas simuleerimine edukalt sisemise ebakorrapärasuse konfiguratsioonid, mis võiksid seletada täheldatud mõõtmisi. See uudne lähenemine ühendab matemaatilised ja statistilised tehnikad süvaõppega. Dotsent Ares selgitas: “Hullu golfi analoogias oleks see võrdne andurite rida paigutamisega tunnelile, lubades meil mõõta palli kiirust erinevates punktides.”
See läbimurre kvantseadmete “reaalsuse lõhe” sulgemisel avab uusi horisonte kvantarvutuse valdkonnas ja loob aluse täpsematele seadme jõudluse ennustustele. Masinõppe tehnikate edukas rakendamine selles kontekstis võib revolutsiooniliselt muuta mitmesuguseid tööstusharusid ning suunata edusamme valdkondades nagu kliimamudelid ja ravimite avastamine.
The source of the article is from the blog motopaddock.nl