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

مدل‌های مولد مانند مدل‌های انتشار یکی از مهم‌ترین پیشرفت‌های اخیر در یادگیری ماشینی (ML) هستند، با مدل‌هایی 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 می‌دهد: «مدل جدید ما برای برنامه‌نویسی رایانه‌های کوانتومی همین کار را انجام می‌دهد، اما به جای تولید تصاویر، مدارهای کوانتومی را بر اساس توضیحات متنی عملیات کوانتومی تولید می‌کند.» از اینسبروک، اتریش

برای تهیه یک حالت کوانتومی خاص یا اجرای یک الگوریتم بر روی یک کامپیوتر کوانتومی، باید دنباله مناسبی از دروازه‌های کوانتومی را برای انجام چنین عملیاتی پیدا کرد. در حالی که این در محاسبات کلاسیک نسبتاً آسان است، به دلیل ویژگی‌های دنیای کوانتومی، یک چالش بزرگ در محاسبات کوانتومی است. اخیراً بسیاری از دانشمندان روش‌هایی را برای ساخت مدارهای کوانتومی با روش‌های یادگیری ماشینی متکی به بسیاری پیشنهاد کرده‌اند. با این حال، آموزش این مدل‌های ML به دلیل نیاز به شبیه‌سازی 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 می‌دهد: «این مزیت فوق‌العاده‌ای دارد. علاوه بر این، ما نشان می‌دهیم که مدل‌های انتشار نویز زدایی در تولید خود دقیق هستند و همچنین بسیار منعطف هستند و اجازه می‌دهند مدارهایی با تعداد کیوبیت‌های مختلف و همچنین انواع و تعداد گیت‌های کوانتومی تولید کنند. همچنین می‌توان این مدل‌ها را برای آماده‌سازی مدارهایی طراحی کرد که اتصال سخت‌افزار کوانتومی، یعنی نحوه اتصال کیوبیت‌ها 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.