L'IA prédit l'avantage quantique : un réseau neuronal prédit le comportement du système

Un modèle d'IA prédit si une machine quantique donnée aura un quelconque avantage quantique.

Il est basé sur un réseau neuronal qui analyse la structure de réseau d'un système quantique et apprend progressivement à prédire son comportement.

Cela aidera les scientifiques à développer de nouveaux dispositifs quantiques efficaces.

L'IA identifie les candidats pour construire des ordinateurs quantiques

Les marches quantiques ont été employées ces dernières années pour traiter efficacement l'information quantique. Ce sont les homologues quantiques des marches aléatoires classiques. Vous pouvez visualiser ce phénomène comme une particule voyageant dans un réseau spécifique qui sous-tend un circuit quantique.

Contrairement à l'état d'un marcheur classique, l'état du marcheur quantique peut être une superposition cohérente de plusieurs positions. Un dispositif aura un avantage quantique si une particule dans le circuit du dispositif présente une marche quantique (d'un nœud de réseau à un autre) plus rapidement que son homologue classique.

Référence : New Journal of Physics | DOI:10.1088/1367-2630/ab5c5e | MIPT

Dans cette étude, les chercheurs ont utilisé un modèle d'apprentissage automatique pour identifier de tels réseaux supérieurs. Le modèle distingue entre les réseaux et apprend progressivement à prédire si un réseau donné fournira un quelconque avantage quantique. Cela nous donne les réseaux qui peuvent être utilisés pour développer un ordinateur quantique efficace.

Illustration de l'IA recherchant les avantages quantiques

Les exemples d'entraînement ont été générés en simulant la dynamique de marche aléatoire de particules classiques et quantiques. Chaque exemple d'entraînement contenait une matrice d'adjacence et une étiquette correspondante (« classique » ou « quantique »).

L'équipe de recherche a également construit un outil pour simplifier le développement de circuits computationnels basés sur des algorithmes quantiques. Il pourrait être utilisé pour la recherche en science des matériaux et biophotonique.

Marche quantique

Les marches quantiques fourniront un moyen simple (beaucoup plus simple que les architectures basées sur qubits et portes) d'implémenter des calculs quantiques de phénomènes naturels. Par exemple, elles ont le potentiel de décrire précisément l'excitation de protéines photosensibles comme la chlorophylle ou la rhodopsine.

Puisque la protéine est une biomolécule complexe avec une structure similaire à celle d'un réseau, déterminer le temps de marche quantique d'un nœud de réseau à un autre peut révéler ce qui se passe réellement dans une molécule : où l'électron se déplacera et quel type d'excitation il causera.