3 мин. чтения
5/22/2024 10:10:09 AM

Метод машинного обучения генерирует синтез схемы для квантовых вычислений

Article Preview Image Метод, разработанный в Университете Инсбрука, создает квантовые схемы на основе спецификаций пользователей и адаптированные к функциям квантового оборудования, на котором будет запущена схема.Кредит: Харальд Рич, Университет Инсбрук

Исследователи из Университета Инсбрука представили новый метод для подготовки квантовых операций на данном квантовом компьютере, используя модель генеративного машинного обучения, чтобы найти соответствующую последовательность квантовых ворот для выполнения квантовой операции.

Исследование, недавно опубликованное в Matcher Intelligence, знаменует собой значительный шаг вперед в том, чтобы полностью реализовать квантовые вычисления.

Генеративные модели, такие как диффузионные модели, являются одним из наиболее важных недавних разработок в области машинного обучения (ML), с такими моделями, как стабильная диффузия и революция, революционизируя область генерации изображений.Эти модели способны создавать высококачественные изображения на основе описания текста.

«Наша новая модель для программирования квантовых компьютеров делает то же самое, но вместо генерирования изображений она генерирует квантовые схемы на основе текстового описания квантовой операции, которая должна быть выполнена»,-объясняет Горка Муньос-Гил из кафедры теоретической физики университетаИннсбрук, Австрия.

Чтобы подготовить определенное квантовое состояние или выполнить алгоритм на квантовом компьютере, необходимо найти соответствующую последовательность квантовых ворот для выполнения таких операций.Хотя это довольно легко в классических вычислениях, это большая проблема в квантовых вычислениях, из -за особенностей квантового мира.

Недавно многие ученые предложили методы построения квантовых схем, которые полагаются на методы ML.Тем не менее, обучение этих моделей ML часто очень сложно из -за необходимости моделирования квантовых цепей, как машина учится.Диффузионные модели избегают таких проблем из -за того, как они обучены.

«Это дает огромное преимущество»,-объясняет Муньос-Гил, который разработал новый метод вместе с Хансом Дж. Бригелем и Флорианом Фюрруттером.«Более того, мы показываем, что дно -диффузионные модели точны в их поколении, а также очень гибкие, что позволяет генерировать схемы с различным количеством кубитов, а также типы и количество квантовых ворот».

Модели также могут быть адаптированы для приготовления цепей, которые принимают во внимание подключение квантового оборудования, то есть как кубиты подключены на квантовом компьютере.«Поскольку производство новых цепей очень дешево после обучения модели можно использовать ее, чтобы обнаружить новое понимание о квантовых операциях, представляющих интерес»,-говорит Муньос-Гил.

Метод, разработанный в Университете Инсбрука, создает квантовые схемы на основе спецификаций пользователей и адаптированные к функциям квантового оборудования, на котором будет запущена схема.Это знаменует собой значительный шаг вперед в том, чтобы раскрыть полную степень квантовых вычислений.

Больше информации: Florian Fürrrutter et al., Синтез квантовой цепи с диффузионными моделями, Интеллект природы (2024).Doi: 10.1038/s42256-024-00831-9

Получи бесплатную еженедельную рассылку со ссылками на репозитории и лонгриды самых интересных историй о стартапах 🚀, AI технологиях 👩‍💻 и программировании 💻!
Присоединяйся к тысячам читателей для получения одного еженедельного письма

Подписывайся на нас:

Нашли ошибку в тексте? Напишите нам.

Добавляй ЛРНЧ в свою ленту Google Новостей.
Читайте далее 📖

Модель для планирования и управления движениями гуманоидов в 3D средах

7/11/2024 · 3 мин. чтения

Модель для планирования и управления движениями гуманоидов в 3D  средах

Исследователи вводят генеративный ИИ для анализа сложных табличных данных

7/9/2024 · 3 мин. чтения

Исследователи вводят генеративный ИИ для анализа сложных табличных данных