La création d'ordinateurs quantiques est coûteuse et prend du temps, et les dispositifs résultants ne sont pas garantis de présenter un avantage quantique, c'est-à-dire ils ne fonctionnent souvent pas plus vite qu'un ordinateur conventionnel. Les chercheurs ont donc besoin d'outils pour prédire si un dispositif quantique donné aura un avantage quantique.

L'une des façons de mettre en œuvre des calculs quantiques est la marche quantique. En termes simplifiés, la méthode peut être visualisée comme une particule voyageant dans un certain réseau qui sous-tend un circuit quantique. Si la marche quantique d'une particule d'un nœud de réseau à un autre se produit plus rapidement que son analogue classique, un appareil basé sur ce circuit aura un avantage quantique. La recherche de tels réseaux supérieurs est une tâche importante à laquelle s'attaquent les experts de la marche quantique.

Des chercheurs russes de l'Institut de physique et de technologie de Moscou, L'Institut de physique et de technologie Valiev et l'Université ITMO ont créé un réseau de neurones qui a appris à prédire le comportement d'un système quantique en analysant sa structure de réseau. Le réseau de neurones trouve de manière autonome des solutions bien adaptées aux démonstrations d'avantages quantiques. Cela aidera les chercheurs à développer de nouveaux ordinateurs quantiques efficaces. Les résultats sont rapportés dans le Nouveau Journal de Physique .

Un large éventail de problèmes de la science moderne sont résolus par des calculs de mécanique quantique. Certains des exemples sont la recherche sur les réactions chimiques et la recherche de structures moléculaires stables pour la médecine, pharmaceutiques et autres industries. La nature quantique des problèmes impliqués rend les calculs quantiques mieux adaptés à ceux-ci. calculs classiques, par contre, ont tendance à ne renvoyer que des solutions approximatives volumineuses.

Ce que les chercheurs russes ont fait, c'est former un modèle d'IA pour distinguer les réseaux et déterminer si un réseau donné a un avantage quantique. Cela identifie les réseaux qui sont de bons candidats pour construire un ordinateur quantique. L'équipe a utilisé un réseau de neurones orienté vers la reconnaissance d'images. Une matrice d'adjacence a servi de données d'entrée, ainsi que les numéros des nœuds d'entrée et de sortie. Le réseau de neurones a renvoyé une prédiction indiquant si la marche classique ou quantique entre les nœuds donnés serait plus rapide.

"Il n'était pas évident que cette approche fonctionnerait, mais il l'a fait. Nous avons réussi à entraîner l'ordinateur à faire des prédictions autonomes pour savoir si un réseau complexe a un avantage quantique, " a déclaré le professeur agrégé Leonid Fedichkin du département de physique théorique du MIPT.

"La frontière entre les comportements quantiques et classiques est souvent floue. La particularité de notre étude est la vision par ordinateur à usage spécial qui en résulte, capable de discerner cette fine ligne dans l'espace du réseau, ", a déclaré Alexey Melnikov, diplômé du MIPT et chercheur de l'Université ITMO.

Avec leur co-auteur Alexander Alodjants, les chercheurs ont créé un outil qui simplifie le développement de circuits informatiques basés sur des algorithmes quantiques. Les dispositifs qui en résulteront seront d'intérêt pour la recherche en biophotonique et la science des matériaux.

L'un des processus que les marches quantiques décrivent bien est l'excitation de protéines photosensibles telles que la rhodopsine ou la chlorophylle. Une protéine est une molécule complexe dont la structure ressemble à un réseau. Résoudre un problème qui implique formellement de trouver le temps de marche quantique d'un nœud à un autre peut en fait révéler ce qui arrive à un électron à une position particulière dans une molécule, où il se déplacera, et quel genre d'excitation cela provoquera.

Par rapport aux architectures basées sur les qubits et les portes, les marches quantiques devraient offrir un moyen plus simple de mettre en œuvre le calcul quantique des phénomènes naturels. La raison en est que les promenades elles-mêmes sont un processus physique naturel.