IA Prevê Vantagem Quântica: Rede Neural Prevê Comportamento do Sistema

Modelo de IA prevê se uma determinada máquina quântica terá alguma vantagem quântica. Baseia-se em uma rede neural que analisa a estrutura de rede de um sistema quântico e aprende gradualmente a prever seu comportamento. Isso ajudará cientistas a desenvolver novos dispositivos quânticos eficientes.

IA Identifica Candidatos para Construir Computadores Quânticos

Caminhadas quânticas têm sido empregadas nos últimos anos para processar eficientemente informação quântica. São contrapartes quânticas de caminhadas aleatórias clássicas. Você pode visualizar este fenômeno como uma partícula viajando em uma rede específica que subjaz um circuito quântico.

Diferente do estado do caminhante clássico, o estado do caminhante quântico pode ser uma superposição coerente de várias posições. Um dispositivo terá vantagem quântica se uma partícula no circuito do dispositivo exibir caminhada quântica (de um nó de rede a outro) mais rápida que sua contraparte clássica.

Referência: New Journal of Physics | DOI:10.1088/1367-2630/ab5c5e | MIPT

Neste estudo, pesquisadores usaram um modelo de aprendizado de máquina para identificar tais redes superiores. O modelo distingue entre redes e aprende gradualmente a prever se uma determinada rede entregará alguma vantagem quântica. Isso nos dá as redes que podem ser utilizadas para desenvolver um computador quântico eficiente.

Ilustração da IA procurando vantagens quânticas

Exemplos de treinamento foram gerados simulando a dinâmica de caminhada aleatória de partículas clássicas e quânticas. Cada exemplo de treinamento continha uma matriz de adjacência e um rótulo correspondente ("clássico" ou "quântico").

A equipe de pesquisa também construiu uma ferramenta para simplificar o desenvolvimento de circuitos computacionais baseados em algoritmos quânticos. Poderia ser usada para conduzir pesquisa em ciência de materiais e biofotônica.

Caminhadas Quânticas

Caminhadas quânticas fornecerão uma maneira simples (muito mais simples que arquiteturas baseadas em qubits e portas) de implementar cálculos quânticos de fenômenos naturais. Por exemplo, têm potencial para descrever precisamente a excitação de proteínas fotossensíveis como clorofila ou rodopsina.

Como proteína é uma biomolécula complexa com estrutura similar a uma rede, determinar o tempo de caminhada quântica de um nó de rede a outro pode revelar o que realmente acontece dentro de uma molécula: para onde o elétron se moverá e que tipo de excitação causará.