Znanstvenici koriste strojno učenje za prevladavanje varijabilnosti kvantnih uređaja

Tim istraživača sa Sveučilišta Oxford značajno je napredovao u rješavanju dugogodišnjeg izazova u kvantnim uređajima korištenjem strojnog učenja. Kvantni uređaji, koji imaju potencijal da revolucioniraju različita područja poput modeliranja klime i otkrivanja lijekova, često pate od inherentne varijabilnosti, gdje naizgled identične jedinice pokazuju različito ponašanje. Smatra se da je ova varijabilnost uzrokovana nano-mjerljivim nesavršenostima u materijalima uređaja.

U nastojanju da se smanji jaz između predviđenog i uočenog ponašanja u kvantnim uređajima, istraživački tim je koristio pristup strojnog učenja utemeljenog na fizici. Analizirajući protok elektrona kroz uređaje i implicitno zaključujući unutarnje obrasce nereda, tim je uspio smanjiti ‘jaz stvarnosti’. Ovaj pristup, usporediv s igranjem “ludog golfa” gdje se kretanje loptice može predvidjeti s vježbom i prikupljanjem podataka, omogućio je istraživačima da naprave preciznije predikcije o performansama uređaja.

Istraživači su mjerili izlaznu struju pojedinačnih kvantnih točkica uređaja kod različitih postavki napona i koristili ove podatke za ograničavanje simulacije. Simulacija je izračunala razliku između izmjerene struje i teorijske struje bez unutarnjeg nereda, što je omogućilo istraživačima da pronađu prikladne profile unutarnjeg nereda koji bi mogli objasniti mjerenja. Ova kombinacija matematičkih, statističkih i dubinskih pristupa učenju pokazala se učinkovitom u predviđanju postavki napona za određene načine rada uređaja.

Osim toga, novi model koji je razvila istraživačka ekipa pruža način za kvantifikaciju varijabilnosti između kvantnih uređaja. Ovaj napredak mogao bi dovesti do preciznijih predviđanja performansi uređaja i pomoći u inženjeringu optimalnih materijala za kvantne uređaje. Model također pruža uvid u pristupe kompenzacije radi ublažavanja učinaka materijalnih nesavršenosti.

Sveukupno, ovo istraživanje predstavlja značajan korak naprijed u korištenju snage strojnog učenja za prevladavanje prepreka koje postavlja varijabilnost u kvantnim uređajima. Uz daljnja istraživanja i razvoj, ovaj pristup bi mogao doprinijeti širokom usvajanju i korištenju kvantne računalne tehnologije u različitim industrijama.

The source of the article is from the blog lisboatv.pt

Web Story

Privacy policy
Contact