چگونه هوش مصنوعی به برنامه نویسی یک کامپیوتر کوانتومی کمک می کند

مدل های مولد مانند مدل های انتشار یکی از مهم ترین پیشرفت های اخیر در یادگیری ماشینی (ML) هستند، با مدل هایی مانند انتشار پایدار و از.e انقلابی در زمینه تولید تصویر این مدل ها بر اساس برخی توضیحات متنی قادر به تولید تصاویر باکیفیت هستند. گورکا مونوز گیل از دپارتمان فیزیک نظری دانشگاه توضیح می دهد: «مدل جدید ما برای برنامه نویسی رایانه های کوانتومی همین کار را انجام می دهد، اما به جای تولید تصاویر، مدارهای کوانتومی را بر اساس توضیحات متنی عملیات کوانتومی تولید می کند.» از اینسبروک، اتریش

برای تهیه یک حالت کوانتومی خاص یا اجرای یک الگوریتم بر روی یک کامپیوتر کوانتومی، باید دنباله مناسبی از دروازه های کوانتومی را برای انجام چنین عملیاتی پیدا کرد. در حالی که این در محاسبات کلاسیک نسبتاً آسان است، به دلیل ویژگی های دنیای کوانتومی، یک چالش بزرگ در محاسبات کوانتومی است. اخیراً بسیاری از دانشمندان روش هایی را برای ساخت مدارهای کوانتومی با روش های یادگیری ماشینی متکی به بسیاری پیشنهاد کرده اند. با این حال، آموزش این مدل های ML به دلیل نیاز به شبیه سازی مدارهای کوانتومی با یادگیری ماشین، اغلب بسیار سخت است.

مدل های انتشار به دلیل نحوه آموزش از چنین مشکلاتی جلوگیری می کنند. گورکا مونوز-گیل که این روش بدیع را به همراه هانس جی بریگل و فلوریان فوروتر توسعه داد، توضیح می دهد: «این مزیت فوق العاده ای دارد. علاوه بر این، ما نشان می دهیم که مدل های انتشار نویز زدایی در تولید خود دقیق هستند و همچنین بسیار منعطف هستند و اجازه می دهند مدارهایی با تعداد کیوبیت های مختلف و همچنین انواع و تعداد گیت های کوانتومی تولید کنند. همچنین می توان این مدل ها را برای آماده سازی مدارهایی طراحی کرد که اتصال سخت افزار کوانتومی، یعنی نحوه اتصال کیوبیت ها در رایانه کوانتومی را در نظر بگیرد. Gorka Muñoz-Gil یکی دیگر از پتانسیل های روش جدید را نام می برد: «از آنجایی که تولید مدارهای جدید پس از آموزش مدل بسیار ارزان است، می توان از آن برای کشف بینش های جدید در مورد عملیات کوانتومی مورد علاقه استفاده کرد.

روش توسعه یافته در دانشگاه اینسبروک مدارهای کوانتومی را بر اساس مشخصات کاربر و متناسب با ویژگی های سخت افزار کوانتومی که مدار روی آن اجرا می شود، تولید می کند. این یک گام مهم رو به جلو در رها کردن گستره کامل محاسبات کوانتومی است. این اثر اکنون در منتشر شده است هوش ماشین طبیعت و از جمله توسط صندوق علوم اتریش FWF و اتحادیه اروپا حمایت مالی شد.