详细内容或原文请订阅后点击阅览
人工智能“看到”量子优势
来自 MIPT、FTIAN 和 ITMO 的俄罗斯科学家创建了一个神经网络，可以通过“查看”量子系统的图表来学习预测该系统的行为。这样的神经网络独立地找到那些非常适合展示量子优势的解决方案。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）来自 MIPT、FTIAN 和 ITMO 的俄罗斯科学家创建了一个神经网络，可以通过“查看”量子系统的图表来学习预测该系统的行为。这样的神经网络独立地找到那些非常适合展示量子优势的解决方案。
这将帮助研究人员开发高效的量子计算机。研究结果发表在《新物理学杂志》上。
已发布现代科学的大量问题都是在量子力学计算的基础上解决的。例如，化学和生物：研究化学反应或寻找工业、医学、制药和其他领域的稳定分子结构。
与经典计算相比，量子计算非常适合此类“量子”问题的精确解决，在经典计算的基础上，大多数情况下量子问题的解决只是繁琐和近似。
创建量子计算电路的过程是劳动密集型且昂贵的。由此产生的设备并不总是表现出“量子霸权”——它们表现出比传统经典计算机更快的信息处理速度。因此，科学家希望有一种工具来预测特定电路是否具有量子优势。
量子计算的实现之一是量子行走。简单地说，该方法可以表示为沿着由点节点和这些节点之间的连接组成的特定网络移动粒子。这样的网络形成了量子系统的图。
如果粒子的量子运动（漫游）从一个网络节点到另一个网络节点比经典节点更快，那么我们可以说基于这种方案的设备显示出量子优势。寻找具有量子优势的网络是量子行走领域专家正在致力于的一项重要任务。