موسسه ملی فناوری اطلاعات و ارتباطات، دانشگاه کیو، دانشگاه علوم توکیو و دانشگاه توکیو برای اولین بار موفق به توسعه روشی برای یافتن سیستماتیک دنباله عملیات کوانتومی بهینه برای یک کامپیوتر کوانتومی شدند.
انتظار می رود این روش به ابزار مفیدی برای کامپیوترهای کوانتومی در مقیاس متوسط \u200b\u200bتبدیل شود و انتظار می رود در آینده نزدیک به بهبود عملکرد کامپیوترهای کوانتومی و کاهش اثرات زیست محیطی کمک کند.این نتیجه در مجله علمی آمریکایی منتشر شد بررسی فیزیکی A در 23 آگوست 2022.
هنگامی که یک کامپیوتر اطلاعات را ذخیره و پردازش می کند، تمام اطلاعات به رشته ای از بیت ها با مقادیر 0 یا 1 تبدیل می شود. دنباله عملیات کوانتومی یک برنامه کامپیوتری نوشته شده به زبانی قابل خواندن برای انسان است که به گونه ای تبدیل می شود که بتوان آن را توسط یک پردازشگر پردازش کرد. کامپیوتر کوانتومی دنباله عملیات کوانتومی شامل عملیات 1 کیوبیت و عملیات 2 کیوبیتی است. بهترین دنباله، دنباله ای است که کمترین عملیات را داشته باشد و بهترین عملکرد را نشان دهد (تعداد مربع های قرمز و خطوط عمودی سبز کمترین است).
برای اینکه یک کامپیوتر کوانتومی بتواند یک کار را انجام دهد، باید دنباله ای از عملیات کوانتومی را بنویسیم. تا به حال، اپراتورهای کامپیوتر، توالی عملیات کوانتومی خود را بر اساس روش های موجود (دستور العمل ها) نوشته اند. آنچه ما این بار توسعه داده ایم یک روش سیستماتیک است که از نظریه کنترل بهینه (الگوریتم GRAPE) برای شناسایی توالی بهینه نظری از بین تمام توالی های عملیات کوانتومی قابل تصور استفاده می کند.یکی از مشکلات بزرگ رایانه های کوانتومی این است که حالت کوانتومی به نویز بسیار حساس است، بنابراین حفظ آن برای مدت طولانی (حفظ حالت کوانتومی منسجم) دشوار است. برای به دست آوردن بهترین عملکرد، لازم است عملیات در زمانی که حالت کوانتومی منسجم حفظ می شود، تکمیل شود. نیاز به روشی برای شناسایی سیستماتیک توالی های بهینه وجود داشت.تیم تحقیقاتی یک روش سیستماتیک برای شناسایی توالی عملیات کوانتومی بهینه ایجاد کرده است.روش جدید تمام توالی های ممکن عملیات کوانتومی ابتدایی را با استفاده از یک الگوریتم محاسباتی به نام GRAPE، یک الگوریتم تئوری کنترل بهینه عددی، تجزیه و تحلیل می کند. به طور خاص، ما جدولی از دنباله های عملیات کوانتومی و شاخص عملکرد (وفاداری F) برای هر دنباله ایجاد می کنیم که از هزاران تا میلیون ها بسته به تعداد کیوبیت ها و تعداد عملیات تحت بررسی است. توالی عملیات کوانتومی بهینه به طور سیستماتیک بر اساس داده های انباشته شده شناسایی می شود.انتظار می رود رایانه های کوانتومی که در حال حاضر در دست توسعه هستند، تأثیر زیادی بر جامعه داشته باشند. از مزایای آنها می توان به کاهش بار زیست محیطی با کاهش مصرف انرژی، یافتن مواد شیمیایی جدید برای استفاده پزشکی، تسریع جستجوی مواد برای محیطی پاک تر و غیره اشاره کرد.ما همچنین دریافتیم که توالی های بهینه زیادی از عملیات کوانتومی وجود دارد که عالی هستند. این بدان معنی است که یک رویکرد احتمالی می تواند کاربرد این روش جدید را برای کارهای بزرگتر گسترش دهد. رویکردهای مبتنی بر تجزیه و تحلیل مجموعه داده های بزرگ، امکان ادغام یادگیری ماشینی با روش جدید ما را برای افزایش بیشتر قدرت پیش بینی نشان می دهد. در آینده، تیم تحقیقاتی نتایج به دست آمده این بار را برای بهینه سازی وظایف به دست آمده از الگوریتم های کوانتومی واقعی اعمال خواهد کرد.
