Квантни рачунари би могли имати користи од пута око Хајзенберговог принципа несигурности
Маријан Мурат/дпа/Алами
Хајзенбергов принцип несигурности поставља ограничење на то колико прецизно можемо измерити одређена својства квантних објеката. Али истраживачи су можда пронашли начин да заобиђу ово ограничење користећи квантну верзију неуронске мреже.
С обзиром на, на пример, хемијски користан молекул, како можете предвидети која својства би могао да има за сат или сутра? Да би направили таква предвиђања, истраживачи почињу мерењем његових тренутних својстава. Али за квантне објекте, укључујући неке молекуле, ово може бити неочекивано тешко јер свако мерење може ометати или променити исход следећег мерења. Приметно, Хајзенбергов принцип неизвесности каже да се нека квантна својства објеката једноставно не могу прецизно мерити истовремено. На пример, ако изузетно добро измерите импулс квантне честице, мерење њене позиције ће дати само приближан број.
Сада, Дуанлу Зхоу из Кинеске академије наука и његове колеге су математички доказали да коришћење квантних верзија неуронске мреже може избећи неке од ових потешкоћа.
Зхоуов тим је истражио проблем из практичних разлога. Када истраживачи покрећу квантне рачунаре, они морају да знају својства блокова рачунара, који се зову кубити, или да би проценили и упоредили уређај, или да ефикасно користе те кубите када емулирају објекат као што је молекул или материјал. Да би одредили својства кубита, истраживачи обично примењују неке операције, слично ономе како бисте применили „подели са 2“ да бисте утврдили да ли је број паран. Али принцип неизвесности значи да ће неке од ових операција бити некомпатибилне – што је еквивалентно немогућности да се број помножи са три, а затим подели са два, а да овај прорачун и даље даје смислен одговор.
Прорачуни истраживача сада показују да се проблем некомпатибилности може решити ако се уместо једноставнијих операција примени алгоритам за квантно машинско учење – квантна неуронска мрежа (КНН).
Важно је да неки кораци у том алгоритму морају бити насумично изабрани из унапред одређеног скупа. Претходне студије су откриле да таква случајност може учинити КНН-ове ефикаснијим у одређивању једног својства квантног објекта, али су Џоу и његове колеге проширили идеју на мерење неколико својстава, укључујући комбинације својстава која су обично ограничена принципом несигурности. Они би то могли да ураде јер се резултати многих узастопних, насумичних операција могу открити посебним статистичким методама да би се добили прецизнији исходи него када се само једна операција изводи више пута.
Роберт Хуанг са Калифорнијског института за технологију каже да могућност ефикасног мерења многих некомпатибилних својстава значи да ће научници моћи много брже да уче о датом квантном систему, што је важно за примену квантних рачунара у хемији и науци о материјалима – као и за разумевање самих све већих квантних рачунара.
Нови приступ би се вероватно могао применити у пракси, али да ли је успешан може зависити од тога колико је користан у поређењу са сличним приступима који такође користе случајност да би направили информативна квантна мерења, каже Хуанг.
Теме:
