意大利研究人員已經(jīng)表明，有可能將量子比特(或量子比特)傳送到可能被稱為現(xiàn)實(shí)世界的情況中。他們通過讓人工智能做大部分思考來做到這一點(diǎn)。量子比特轉(zhuǎn)移現(xiàn)象并不新鮮，但由米蘭光子學(xué)和納米技術(shù)研究所的Enrico Prati領(lǐng)導(dǎo)的這項(xiàng)工作是第一個(gè)在系統(tǒng)偏離理想條件的情況下進(jìn)行的工作。

此外，這是第一次將一類稱為深度強(qiáng)化學(xué)習(xí)的機(jī)器學(xué)習(xí)算法應(yīng)用于量子計(jì)算問題。

該研究結(jié)果發(fā)表在“ 通信物理 ”雜志的一篇論文中。

量子計(jì)算的一個(gè)基本問題是找到一種快速可靠的方法來移動(dòng)量子比特 - 量子信息的基本部分 - 在機(jī)器中。這條信息由單個(gè)電子編碼，該電子必須在兩個(gè)位置之間移動(dòng)而不通過其間的任何空間。

在所謂的“絕熱”或熱力學(xué)量子計(jì)算方法中，這可以通過將特定序列的激光脈沖應(yīng)用于奇數(shù)個(gè)量子點(diǎn)的鏈- 可以放置電子的相同位點(diǎn)來實(shí)現(xiàn)。

這是一個(gè)純粹的量子過程，這個(gè)問題的解決方案是由赫爾辛基物理學(xué)院的尼古拉·維塔諾夫于1999年發(fā)明的。鑒于其本質(zhì)，與常識(shí)的直覺相距甚遠(yuǎn)，這種解決方案被稱為“反直覺”序列。

然而，該方法僅適用于理想條件下，此時(shí)電子狀態(tài)不受干擾或擾動(dòng)。

因此，Prati及其同事米蘭大學(xué)的Riccardo Porotti和Dario Tamaschelli以及米蘭理工學(xué)院的Marcello Restelli采取了不同的方法。

“我們決定測(cè)試深度學(xué)習(xí)的人工智能，這已經(jīng)被人們廣泛討論過在Go游戲中擊敗世界冠軍，以及更嚴(yán)肅的應(yīng)用，如識(shí)別乳腺癌，將其應(yīng)用于量子計(jì)算機(jī)領(lǐng)域，“普拉蒂說。

深度學(xué)習(xí)技術(shù)基于排列在不同層中的人工神經(jīng)網(wǎng)絡(luò)，每個(gè)層都計(jì)算下一層的值，以便更加完整地處理信息。

通常，對(duì)問題的一組已知答案用于“訓(xùn)練”網(wǎng)絡(luò)，但是當(dāng)這些不為人知時(shí)，可以使用另一種稱為“強(qiáng)化學(xué)習(xí)”的技術(shù)。

在這種方法中，使用了兩個(gè)神經(jīng)網(wǎng)絡(luò)：“演員”的任務(wù)是尋找新的解決方案，“評(píng)論家”必須評(píng)估這些解決方案的質(zhì)量。研究人員提供了一種可靠的方法來判斷各自的結(jié)果，這兩個(gè)網(wǎng)絡(luò)可以獨(dú)立地檢驗(yàn)問題。

然后，研究人員建立了這種人工智能方法，將其分配給發(fā)現(xiàn)如何控制量子比特的任務(wù)。

“所以，我們讓人工智能找到自己的解決方案，而不是給出它的先入之見或例子，”普拉蒂說。“它發(fā)現(xiàn)了另一種比原來更快的解決方案，而且當(dāng)出現(xiàn)干擾時(shí)它會(huì)適應(yīng)。”

換句話說，他補(bǔ)充說，人工智能“已經(jīng)理解了這種現(xiàn)象，并且比我們更好地推廣了結(jié)果”。

“就像我們還沒有任何解決方案一樣，即使在我們還沒有任何解決方案的情況下，仿佛人工智能就能夠自己發(fā)現(xiàn)如何傳送量子比特而不管干擾，”他解釋道。

“通過這項(xiàng)工作，我們已經(jīng)證明量子計(jì)算機(jī)的設(shè)計(jì)和控制可以從人工智能的使用中受益。