Российские ученые разработали систему машинного обучения, которая может предсказывать то, как внешние источники помех будут влиять на работу кубитов – вычислительных модулей квантового компьютера, сообщает ТАСС. Благодаря этому подобные вычислительные машины могут появиться гораздо быстрее, пишет пресс-служба МФТИ со ссылкой на статью в научном журнале Physical Review Letters.

«Наш алгоритм открывает возможность управления открытыми квантовыми системами, подверженными влиянию немарковских шумов, в том числе кубитами в современных квантовых компьютерах», – рассказал один из авторов исследования, сотрудник МФТИ Сергей Филиппов.

Квантовыми компьютерами называют гипотетические вычислительные устройства, которые работают на принципах квантовой механики. Они состоят из кубитов – ячеек памяти и примитивных вычислительных модулей, которые могут хранить в себе одновременно и ноль, и единицу, в отличие от элементов обычных компьютеров – битов, в которых хранится либо то, либо другое.

За последние годы физики научились создавать одиночные кубиты, которые могут существовать достаточно долго для того, чтобы работать с ними. С другой стороны, попытки объединить несколько десятков кубитов в более сложные конструкции, которые могли бы производить серьезные вычисления, почти всегда сталкиваются с большими трудностями.

Эти сложности в большинстве случаев связаны с тем, что считывать и записывать данные из кубитов мешают различные помехи от измерительных приборов, соседних атомов и других компонентов окружающей среды. Сейчас ученые пытаются обойти эту проблему, помещая квантовые компьютеры в вакуумные камеры или разрабатывая кубиты, которых от некоторых подобных помех защищают законы физики.

Пытаясь понять, можно ли предсказать, как неизвестные источники помех могут влиять на поведение кубитов или других квантовых объектов, Филиппов и его коллеги выяснили, как можно решить эту проблему с помощью системы машинного обучения. Отдельный интерес для ученых представляла особая категория подобных помех – так называемые немарковские шумы. Характер их действия на кубиты зависит от того, в каком состоянии они находились до этого.

Чтобы получить ответ на этот вопрос, ученые проанализировали данные, которые физики обычно собирают в ходе так называемой квантовой томографии – многократных замеров состояния кубита. Для этого ученые впервые использовали комбинацию из системы машинного обучения и созданной ими модели, которая описывает результаты последовательных измерений квантовой системы.

«Хотя результаты последовательных измерений над системой и выглядят случайными, они тем не менее обладают структурой, которую способен распознать предложенный нами алгоритм машинного обучения. В результате работы алгоритм строит эффективную модель окружения, которая допускает включение произвольных управляющих импульсов над системой», – пояснил Филиппов.

Подобный подход, как надеются исследователи, поможет ученым понять, как шумы от измерительных инструментов и самих замеров влияют на поведение кубитов. Это критически важно для того, чтобы создавать сложные квантовые вычислительные машины, которые объединяют в себе десятки или сотни подобных модулей.