En banebrytende studie utført av forskere ved Universitetet i Oxford har gjort betydelige fremskritt i å overvinne en større utfordring i utviklingen av kvantedatateknologi. Ved å utnytte kraften i maskinlæring har forskerne taklet «realitetsgapet,» den avviket mellom forutsagt og observert atferd i kvantedata, noe som resulterer i nye muligheter for fremgang innen kvantedatateknologi.
De banebrytende funnene, publisert i tidsskriftet Physical Review X, gir lovende innsikt for en rekke anvendelser, fra klimamodellering til legemiddeloppdagelse. Innen feltet kvantedatateknologi er skalerbarheten og integrasjonen av individuelle kvantedatateknologi, kjent som qubits, avgjørende for å oppnå forbedret funksjonalitet innen forskjellige områder. Imidlertid har den iboende variasjonen blant tilsynelatende identiske kvantedatateknologi vært en vedvarende hindring.
Denne variasjonen antas å oppstå fra nanoskala uregelmessigheter i materialene som brukes til å konstruere kvantedatateknologi. Siden disse uregelmessighetene ikke kan måles direkte, blir nøyaktige forutsigelser ekstremt utfordrende. For å takle denne utfordringen, adopterte forskningsteamet en «fysikk-informert» tilnærming til maskinlæring.
Den ledende forskeren, førsteamanuensis Natalia Ares, sammenlignet metodikken med å forbedre forutsigelser i et spill av «Crazy Golf» ved å ta gjentatte skudd ved hjelp av en simulator og maskinlæringsteknikker. Forskerne samlet inn data ved å måle utgangsstrømmen for forskjellige spenningsinnstillinger i en individuell kvantedottdatateknologi. Disse dataene ble deretter matet inn i en simulering som beregnet forskjellene mellom målte og teoretiske strømverdier, samtidig som den tok hensyn til fraværet av intern uorden.
Ved å iterere denne prosessen for ulike spenningsinnstillinger, identifiserte simuleringen suksessfullt konfigurasjoner av intern uorden som kunne forklare de observerte målingene. Denne nyskapende tilnærmingen kombinerer matematiske og statistiske teknikker med dyp læring. Førsteamanuensis Ares forklarte: «I «Crazy Golf»-analogien ville det være tilsvarende å plassere en rekke sensorer langs tunnelen, som tillater oss å måle ballens hastighet på forskjellige punkter.»
Dette gjennombruddet i å tette «realitetsgapet» i kvantedatateknologi åpner nye horisonter for kvantedatateknologi og legger veien åpen for mer nøyaktige forutsigelser av yteevne til datateknologi. Den vellykkede anvendelsen av maskinlæringsteknikker i denne sammenheng har potensialet til å revolusjonere ulike bransjer og drive fremgang innen felt som klimamodellering og legemiddeloppdagelse.
The source of the article is from the blog scimag.news