Мир захватила ИИ-илехорада: новый квантовый компьютер может изменить всё и открыть новую эру
Фото: Shutterstock.
Разработка квантовых компьютеров, способных функционировать не только в лабораторных условиях, но и в реальной жизни, становится актуальной задачей. Именно эту проблему решают ученые Физического института Академии Наук им. Лебедева, которые впервые смогли создать квантовый компьютер и применить машинное обучение. Это открывает новые горизонты: эпоху квантовых компьютеров. Статья была опубликована в международном журнале Physical Review.
О ЧЕМ РЕЧЬ
В традиционном компьютере вся работа осуществляется с помощью электронов, которые движутся по проводам и преодолевают барьеры в полупроводниковых элементах. Скорость движения электронов гораздо меньше скорости света, поэтому плотная упаковка микросхем в современных компьютерах приближает применение электронов к физическому пределу, после которого электрон больше не сможет выполнять свою работу, поскольку микросхемы станут слишком маленькими, и он перестанет их различать.
Концепция квантового компьютера проста и красива: а что, если вместо электронов использовать фотоны, т.е. квантовые частицы света? Они перемещаются с максимальной допустимой во Вселенной скоростью, скоростью света, и это в перспективе обещает создание машин с потрясающей производительностью.
К сожалению, не всё так просто. Великие технические сложности. Так, «вычислительные ячейки» (кубиты) эффективно работают при температурах около абсолютного нуля, что превращает квантовый компьютер в энергетическую машину. Не преодолены пока некоторые фундаментальные ограничения: похожие квантовые компьютеры успешно справляются с очень сложными задачами, где необходима почти человеческая «интуиция», но пасуют перед простыми математическими расчетами.
Тем временем мир захватила ИИ-илехорада, и в её основе, помимо алгоритмов – кремниевые чипы. Если квантовый компьютер сможет показать, что он в состоянии быть объектом машинного обучения, это без преувеличения откроет новую эру. И вот – потрясающий результат российских физиков.
ОТЛИЧАЕТ ЦИФРУ ОТ ЦИФРЫ
Исследователи из Физического института имени П.Н. Лебедева РАН и Российского квантового центра одни из первых в мире продемонстрировали решение прикладных задач на квантовом компьютере. Для своих экспериментов они использовали процессор на основе ионов иттербия (Yb+). Суть опыта заключалась в том, что квантовый компьютер научился различать написанные от руки цифры, нуль и единицу, а также математические объекты – графы. Эта задача является классической, и именно на ней натаскиваются алгоритмы распознавания образов. Для достижения цели были задействованы алгоритмы машинного обучения, реализованные на квантовом процессоре.
— Такие технологии активно развиваются во всех ведущих странах. На данный момент важный вызов – это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результатов нашей работы – применение этих алгоритмов в сочетании с технологией машинного обучения, – говорит научный руководитель группы «Квантовые информационные технологии» РКЦ Алексей Федоров.
Нельзя сказать, что никто не пытался сделать этого ранее. Но результат был так себе – именно по этому мы не слышим на каждом углу про машинное обучение квантовых компьютеров. Российские ученые применили новый, оригинальный подход. Так, они задействовали метод SVM (support vector machine). Его суть заключается в том, что машина учится устанавливать как бы границу между образами: вот это одна цифра, вот это другая. Именно так работает наш мозг, что позволяет нам узнавать цифру и букву, написанную пусть строгим, пусть дизайнерским, и даже читать почерк врачей. «Ядерную часть» алгоритма (сравнение данных) выполнили на квантовом процессоре. Это позволило эффективно обрабатывать даже сложные изображения.
ЖУТКОЕ ДАЛЬНОДЕЙСТВИЕ В ДЕЛЕ
— Для перевода ионов (рабочий материал кубита – Кп) в квантовое состояние мы создавали суперпозиции и проводили операции запутывания кубитов. Квантовые состояния отдельных ионов изменялись с помощью лазеров и детекторов излучения. По завершении вычислений измерялось состояние иона, и на основе этих данных интерпретировались результаты работы алгоритмов машинного обучения, – говорит Алексей Федоров.
Запутанность – особое состояние, теоретически открытое ещё на заре квантовой механики и названное Эйнштейном «жутким действием на расстоянии». С помощью специальных манипуляций две квантовые системы «запутываются», после чего, даже если их разделить физически (на любое расстояние, хоть в далекую галактику один послать, а другой дома оставить) – состояния одного будет однозначно определять состояния другого. Часто в шутку приводят пример с… носками. Если, прилетев в отпуск, вы обнаружите, что забыли один носок, и тот, что у вас в чемодане – левый, значит, дома остался правый.
Ученые экспериментировали с квантовыми цепями (один из способов реализации алгоритмов, которые уменьшают количество шумных операций), что помогло улучшить качество вычислений.
Алгоритм «обучался» на маленьком наборе данных, где каждое изображение уже имело правильный ответ (нуль или единица). В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках, то есть справился с задачей без ошибок.
Итак, впервые удалось продемонстрировать, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие как классификация изображений. Это открывает квантовым компьютерам целый пласт практических применений, где потребуется их скорость и способность разгадывать нетривиальные задачи. Скажем, ИИ уже активно применяют для растаможивания снимков КТ и МРТ, но процесс «брака» (то, что называется «галлЮцинацией») у кремниевых чипов очень высок. Квантовый компьютер определенно справится лучше.
— В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Вместо химии получит инструмент для поиска новых молекулярных структур и моделирования катализических процессов. В то же время в финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски, – говорит директор ФИАНа Николай Колацевский.
В будущем технологии найдут применять в создании систем искусственного интеллекта, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных, поясняют в ФИАНе.
