Исследователи из Уральского федерального университета научили нейронные сети решать вычислительные задачи на квантовых компьютерах. Алгоритмы ученых смогли распознать даже фазы магнитных материалов, что довольно сложно. Статья с результатами работы принята к публикации в Journal of Physics A: Mathematical and Theoretical. Ее препринт доступен на arXiv.org.

Для решения современных квантовых задач требуются серьезные мощности. Даже возможности суперкомпьютеров оказываются ограничены из-за неэффективного представления квантового состояния материалов. Одно из решений этой проблемы — применение квантовых компьютеров. В таком случае одна квантовая система будет имитировать другую, похожую на нее. Таким образом становится возможным решать задачи более точно и предсказывать новые материалы с уникальными свойствами.

Но есть одна проблема. Все дело в том, что из-за того, что квантовый компьютер взаимодействует с окружающей его средой, его состояние постоянно меняется и результаты вычислений не соответствуют ожиданиям. Это называется «проблемой декогеренции». Проблема декогеренции не позволяет решить насущные проблемы вычислительной физики и материаловедения.

Чтобы справиться с этим, ученые стремятся максимально минимизировать воздействие внешних шумов. Добиться этого можно двумя способами — настройкой оборудования или совершенствованием программных методов.

Поддержанные грантом Российского научного фонда ученые из УрФУ в новой работе решили пойти вторым путем. Они разработали алгоритм, который может определить, в какой фазе находится материал и какими свойствами он обладает. Для создания такой сети ученые провели множество кропотливых экспериментов и собрали огромное количество данных, чтобы эффективно обучить систему.

«Наша нейросеть на протяжении определенного времени самостоятельно «играет» на квантовом компьютере, — объясняет один из авторов исследования, профессор УрФУ Владимир Мазуренко. — Применяя способности нейросети к саморазвитию в процессе игры, мы обучили ее эффективно решать задачи на квантовом компьютере. Причем алгоритм может делать это, даже если присутствуют эффекты декогеренции, — и все равно приходит к наилучшим из возможных значений. Одна из главных особенностей нашей нейросети — то, что она сама адаптируется к текущему состоянию квантового компьютера».

Физики ставят перед собой задачу обработать еще большее количество данных об уже известных веществах, их состояниях при различных воздействиях — температуре, давлении и магнитном поле. Во-вторых, авторы хотят научиться предсказывать свойства новых материалов, наделять их необычайными свойствами, создавая новые кристаллические структуры и химические составы. Ученые надеются, что новая нейросеть поможет им в решении этих задач.