Искусственный интеллект исправляет ошибки квантовых компьютеров

Нейронные сети позволяют изучать стратегии исправления ошибок для компьютеров на основе квантовой физики

Исследователи представляют квантовую систему исправления ошибок, способную к обучению благодаря искусственному интеллекту.

Обучение квантовой коррекции ошибок: изображение визуализирует активность искусственных нейронов в нейронной сети исследователей Эрлангена, пока оно решает свою задачу.
Предоставлено: Институтом Науки Света Макса Планка.

Квантовые компьютеры могут решать сложные задачи, выходящие за пределы возможностей обычных компьютеров. Однако квантовые состояния чрезвычайно чувствительны к постоянному вмешательству из окружающей среды. План состоит в том, чтобы бороться с этим, используя активную защиту, основанную на квантовом исправлении ошибок. Флориан Марквардт, директор Института Науки Света Макса Планка, и его команда представили систему квантовой коррекции ошибок, способную к обучению благодаря искусственному интеллекту.

В 2016 году компьютерная программа AlphaGo выиграла четыре из пяти игр «Го» против лучшего в мире человека-игрока. Учитывая, что в игре «Го» больше комбинаций ходов, чем во вселенной, по оценкам, атомов, это потребовало больше, чем просто вычислительная мощность. Скорее, AlphaGo использовал искусственные нейронные сети, которые могут распознавать визуальные паттерны и даже способны к обучению. В отличие от человека, программа смогла отработать сотни тысяч игр за короткое время, в итоге превзойдя лучшего игрока-человека. Теперь исследователи из Эрлангена используют нейронные сети такого типа для разработки обучения коррекции ошибок для квантового компьютера.

Искусственные нейронные сети — это компьютерные программы, которые имитируют поведение взаимосвязанных нервных клеток (нейронов) — в случае исследований в Эрлангене около двух тысяч искусственных нейронов связаны друг с другом. «Мы берем последние идеи из информатики и применяем их к физическим системам», — объясняет Флориан Марквардт. «Благодаря этому мы извлекаем выгоду из быстрого прогресса в области искусственного интеллекта».

Искусственные нейронные сети могут опередить другие стратегии исправления ошибок

Первая область применения — это квантовые компьютеры, о чем свидетельствует недавняя статья, в которую внес значительный вклад Томас Фёсел, докторант Института Макса Планка в Эрлангене. В статье команда демонстрирует, что искусственные нейронные сети с архитектурой, вдохновленной AlphaGo, способны учиться — для себя — как выполнять задачу, которая будет существенной для работы будущих квантовых компьютеров: квантовое исправление ошибок. Существует даже перспектива того, что при достаточном обучении этот подход будет опережать другие стратегии исправления ошибок.

Чтобы понять, что к этому относится, нужно посмотреть, как работают квантовые компьютеры. Основой для квантовой информации является квантовый бит, или кубит. В отличие от обычных цифровых битов, кубит может принимать не только два состояния: ноль и единицу, но также суперпозиции обоих состояний. В процессоре квантового компьютера есть даже несколько кубитов, наложенных как часть совместного состояния. Эта запутанность объясняет огромную вычислительную мощность квантовых компьютеров, когда речь идет о решении определенных сложных задач, при которых обычные компьютеры обречены на неудачу. Недостатком является то, что квантовая информация очень чувствительна к шуму окружающей среды. Эта и другие особенности квантового мира означают, что квантовая информация нуждается в регулярном исправлении, то есть в квантовой коррекции ошибок.Однако операции, которые для этого требуются, не только сложны, но и должны оставить квантовую информацию самой нетронутой.

Квантовая коррекция ошибок похожа на игру Го со странными правилами

«Вы можете представить элементы квантового компьютера как нечто похожее на доску Го», — говорит Марквардт, рассказывая об основной идее своего проекта. Кубиты распределены по доске как кусочки.

Тем не менее, существуют некоторые ключевые отличия от обычной игры в Го: все фигуры уже распределены по доске, и каждая из них белая с одной стороны и черная с другой. Один цвет соответствует нулевому состоянию, другой — одному, и ход в игре квантового Го включает переворачивание фигур. Согласно правилам квантового мира, части могут также принимать смешанные серые цвета, которые представляют суперпозицию и запутанность квантовых состояний.

Когда дело доходит до игры, игрок — назовем ее Алисой — делает ходы, предназначенные для сохранения шаблона, представляющего определенное квантовое состояние. Это квантовые операции по исправлению ошибок. Тем временем ее противник делает все возможное, чтобы разрушить схему.Это представляет постоянный шум от множества помех, которые реальные кубиты испытывают в своей среде. Кроме того, игра в квантовый го усложняется по особому квантовому правилу: Алисе не разрешается смотреть на доску во время игры. Любой проблеск, который показывает состояние кусков кубита для нее, разрушает чувствительное квантовое состояние, которое в данный момент занимает игра. Вопрос в том, как она может сделать правильные шаги, несмотря на это?

Вспомогательные кубиты выявляют дефекты в квантовом компьютере

В квантовых компьютерах эта проблема решается путем размещения дополнительных кубитов между кубитами, которые хранят фактическую квантовую информацию. Периодические измерения могут проводиться для контроля состояния этих вспомогательных кубитов, что позволяет контроллеру квантового компьютера определить, где находятся неисправности, и выполнить операции по исправлению кубитов, несущих информацию, в этих областях. В нашей игре «квантовый го» вспомогательные кубиты будут представлены дополнительными фигурами, распределенными между фактическими игровыми фигурами. Алисе разрешено время от времени смотреть, но только на эти вспомогательные предметы.

В работе исследователей Эрлангена роль Алисы выполняют искусственные нейронные сети. Идея состоит в том, что благодаря обучению сети станут настолько хорошими в этой роли, что смогут даже опередить стратегии коррекции, разработанные разумным человеческим разумом. Однако, когда команда изучила пример, включающий пять смоделированных кубитов, число, которое все еще можно контролировать для обычных компьютеров, они смогли показать, что одной искусственной нейронной сети недостаточно. Поскольку сеть может собирать только небольшие объемы информации о состоянии квантовых битов или, точнее, об игре квантового Го, она никогда не выходит за пределы стадии случайных проб и ошибок. В конечном итоге эти попытки разрушают квантовое состояние, а не восстанавливают его.

Одна нейронная сеть использует свои предварительные знания для обучения другого

Решение приходит в виде дополнительной нейронной сети, которая действует как учитель для первой сети. Имея предварительные знания о квантовом компьютере, которым нужно управлять, эта сеть учителей может обучать другую сеть — своего ученика — и, таким образом, направлять свои попытки к успешной квантовой коррекции. Во-первых, однако, сама сеть учителей должна знать достаточно о квантовом компьютере или его компоненте, которым нужно управлять.

В принципе, искусственные нейронные сети обучаются с использованием системы вознаграждений, как и их естественные модели. Фактическое вознаграждение предоставляется за успешное восстановление исходного квантового состояния путем квантовой коррекции ошибок. «Однако, если бы только достижение этой долгосрочной цели дало вознаграждение, это было бы слишком поздно для многочисленных попыток исправления», — объясняет Марквардт. Поэтому исследователи из Эрлангена разработали систему поощрений, которая даже на этапе обучения стимулирует нейронную сеть учителя к принятию многообещающей стратегии. В игре «квантовый го» эта система вознаграждений давала Алисе информацию об общем состоянии игры в данный момент, не раскрывая подробностей.

Студенческая сеть может превзойти своего учителя через свои собственные действия

«Наша первая цель состояла в том, чтобы сеть учителей научилась выполнять успешные операции квантового исправления ошибок без дополнительной помощи человека», — говорит Марквардт.

В отличие от сети школьников, сеть преподавателей может делать это не только на основе результатов измерений, но и на общем квантовом состоянии компьютера. Сеть учеников, обученная сетью учителей, поначалу будет одинаково хороша, но может стать еще лучше благодаря своим собственным действиям.

В дополнение к исправлению ошибок в квантовых компьютерах, Флориан Марквардт предусматривает другие приложения для искусственного интеллекта. По его мнению, физика предлагает множество систем, которые могут извлечь выгоду из использования распознавания образов искусственными нейронными сетями.

Источник: ruhash.com

Комментарии: