На кафедре «Автоматизированные системы управления» МАДИ разработали математический инструмент, который позволит квантовым компьютерам обучать нейросети в сотни раз быстрее классических систем. Об этом сообщили в пресс-службе Минобрнауки России.
В основе предложенного метода лежит инновационный способ создания «квантового оракула» — специализированного алгоритма, который позволяет направить вычислительный процесс непосредственно к правильному решению, минуя длительный перебор всех возможных вариантов.
В квантовых вычислениях для поиска решений используется алгоритм Гровера, который, в отличие от традиционного перебора, одновременно оценивает множество вариантов. Для того чтобы алгоритм мог найти искомое решение, ему необходим «оракул» — математическая функция, которая определяет правильный ответ и изменяет «амплитуду вероятности» в его пользу.
Основная техническая сложность заключается в том, что все квантовые операции должны быть строго обратимыми, а вспомогательные вычисления должны проводиться таким образом, чтобы не терять информацию. Старший преподаватель кафедры «Автоматизированные системы управления» Московского автомобильно-дорожного государственного технического университета (МАДИ) Цезарь Пронин предложил решение этой проблемы, предложив использовать обратимый квантовый умножитель в качестве оракула.
Исследователь разработал матричный аппарат и создал квантовые аналоги базовых логических операций (NOT, AND, OR, XOR), а также полный сумматор. Он также сформулировал концепцию обучения квантового персептрона — ключевого элемента нейросети, где оракул строится на функции активации.
Использование оракула значительно ускоряет процесс вычислений. По расчётам на примере 16-кубитного регистра, алгоритм Гровера с новым компонентом находит решение примерно в 326 раз быстрее, чем классический перебор. Это создаёт основу для применения будущих квантовых процессоров в решении реальных задач в промышленности и социальной сфере.
Работоспособность предложенного подхода была проверена несколькими методами. Ручной матричный расчёт алгоритма Дойча — Йожи полностью совпал с результатами симуляции, проведённой в симуляторе Quirk. Были также построены и проверены обратимые квантовые аналоги классических логических схем, а также продемонстрирован принцип обучения квантового персептрона с одним весом. На прототипах IBM Q была исследована зависимость роста квантового шума от увеличения глубины схемы.
«Для этого исследователь систематизировал матричный аппарат и построил квантовые аналоги базовых логических операций (NOT, AND, OR, XOR), а также полного сумматора, и сформулировал концепцию обучения квантового персептрона (базового элемента нейросети), где оракул строится на основе функции активации», — говорится в сообщении.
Следующим этапом станет масштабирование подхода на 2–3-кубитные регистры, адаптация для симуляторов и NISQ-устройств, а также решение вопросов, связанных с разрядностью квантовой арифметики. Работа ведётся на кафедре «Автоматизированные системы управления» МАДИ.
Квантовые компьютеры — перспективная технология, но для их создания нужно решать множество физических задач. Одна из них — детектирование квазичастиц. Как рассказывала интернет-газета «ЖУК», сотрудники НИЯУ МИФИ предложили новый способ детектирования квазичастиц, который может упростить разработку квантовых компьютеров.