Исследователи из Ключевой лаборатории квантовой информации и квантовой криптографии провинции Хэнань под руководством Хуан Хэляна разработали инновационный подход, призванный сделать исследования в области квантовых вычислений более доступными: они обучают классическую модель-заместитель на данных, полученных с реальных квантовых процессоров, а затем выполняют большую часть вычислений на обычных компьютерах.
Основная проблема заключается в том, что квантовые компьютеры остаются чрезвычайно дорогими. Создание сверхпроводящей квантовой системы всего с несколькими десятками кубитов стоит десятки миллионов юаней и требует большого количества жидкого гелия для охлаждения. Даже при наличии доступа низкая частота повторения квантовых процессоров делает итеративные задачи, такие как вариационные квантовые алгоритмы, мучительно медленными.
Команда разработала две модели-заместителя: $h_{cs}$ для схем с независимыми параметрами и $h_{qs}$ для схем с коррелированными параметрами. Обе модели работают путем обучения на небольшом объеме квантовых экспериментальных данных, после чего классическая модель учится предсказывать выходные данные квантового компьютера без необходимости многократных обращений к квантовому оборудованию.
При тестировании на системах до 42 сверхпроводящих кубитов модель-заместитель показала выдающиеся результаты. Для задачи вариационного квантового собственного решателя она использовала всего 0,023% вызовов измерений, требуемых традиционными методами, при этом находя околооптимальные параметры. Традиционная оптимизация после 100 шагов показала ошибку 0,21, в то время как модель, предварительно обученная на заместителе, достигла ошибки 0,09, которая была дополнительно уточнена до 0,07 после минимальной квантовой донастройки.
Для второй задачи — идентификации топологических фаз, защищенных симметрией Флоке, — передовой темы в квантовой физике многих тел, связанной с исследованиями лауреата Нобелевской премии Дункана Халдейна, — заместитель успешно уловил характеристики фазовых переходов во всем пространстве параметров, что тесно соответствует теоретическим предсказаниям.
Исследование, опубликованное в Nature Communications, основано на многолетнем накопленном опыте команды. Ранее Хуан входил в состав китайской команды по применению суперкомпьютеров, которая в 2021 году получила премию Гордона Белла за моделирование в реальном времени крупномасштабных квантовых случайных цепей. Команда планирует распространить подход с использованием заместителей на более крупные системы, учитывая, что существующие квантовые платформы уже достигают сотен кубитов.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
