Глубокое обучение с подкреплением вводит квантовую систему в «состояние кота Шредингера» |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-11-22 18:18 Физики из Японии и Австралии при помощи моделирования показали, что одна из разновидностей машинного обучения — обучение с подкреплением — подходит для точного управления квантовым состоянием системы. Чтобы эффективно использовать квантовые системы для записи, хранения и обработки информации, нужны методы, которые позволяют точно измерять состояние квантовой системы и управлять ею. Проблема в том, что в квантовом мире любое взаимодействие системы с окружающей средой, включая произведенные измерения, немного изменяет ее состояние. Это приводит к ошибкам, которые затрудняют управление квантовыми системами, особенно в реальном времени. Для поддержания системы в желаемом состоянии используют системы управления с обратной связью, которые реагируют на небольшие изменения системы и возвращают ее в требуемое состояния. Для простых систем силу, которую нужно при этом приложить, можно рассчитать аналитически. Однако в более сложных — и приближенных к реальной жизни — случаях готового решения нет. В своей работе с использованием моделирования физики показали, что глубокое обучение с подкреплением эффективно справляется с этой задачей для системы с нелинейным гамильтонианом — функцией, которая описывает ее полную энергию. Обучением с подкреплением называют один из методов машинного обучения, при котором алгоритм обучается, взаимодействуя со средой и получая обратную связь. Значит, в каждом цикле обучения алгоритм как-то воздействует на состояние квантовой системы, а затем узнает, что из этого вышло. До обучения взаимодействия были случайными, и поначалу алгоритму не удавалось поддерживать систему в нужном состоянии: Но уже через 300 циклов обучения эта задача давалась алгоритму довольно легко: А спустя 5000 циклов амплитуда необходимых воздействий стала минимальной: Таким образом, ученым удалось показать, что глубокое обучение с подкреплением эффективно возвращает систему в почти чистое «состояние кота Шредингера», при котором система находится одновременно в двух состояниях, как и кот в знаменитом мысленном эксперименте Эрвина Шредингера. При этом обучение происходит полностью автономно. Авторы статьи считают, что в дальнейшем и другие методы искусственного интеллекта можно использовать для управления квантовыми системами. Статья с результатами исследования опубликована в журнале Physical Review Letters. Источник: m.vk.com Комментарии: |
|