Квантовые автоэнкодеры очистили данные от шума

Немецкие физики разработали автоэнкодер для очистки квантовых данных от шума. Используя построенную нейросеть, ученые успешно продемонстрировали очищение малокубитного сильнозапутанного состояния.

Работа опубликована в журнале Physical Review Letters. Машинное обучение — это мощный инструмент работы с данными, особенно когда данных становится много. Некоторые метод машинного обучения позволяют выявить важные закономерности в данных. Одним из популярных методов являются нейросети автоэнкодеры. Например, они использовались для выделения пения птиц в лесу.

В то же время квантовые вычисления, оперирующие хрупкими запутанными квантовыми состояниями, могут превзойти классические вычисления в ряде задач, таких как моделирование физических систем или факторизации огромных чисел. Больше про возможности квантовых вычислений читайте в материале «Квантовая азбука».

Однако, сегодняшние квантовые компьютеры довольно шумные, и этот шум портит запутанность, что ведет к сильному понижению эффективности квантовых устройств. Одним из перспективных решений является применения методов машинного обучения к квантовым вычислениям с целью очищения квантовых данных от шума.

Физики Дмитро Бондаренко (Dmytro Bondarenko) и Полина Фельдман (Polina Feldmann) из Университета Лейбница предложили применять автоэнкодеры к сильнозапутнным квантовым состояниям для того, чтобы сохранить запутанность даже при высоком уровне шума.

Подробнее
Пожалуйста, оцените статью:
Ваша оценка: None Средняя: 5 (1 vote)
Источник(и):

N+1