Разработанный метод может помочь предсказывать физические и химические процессы, связанные со свойствами квантовых систем. Помимо использования в химии и физике, предсказание квантовых процессов поможет ученым реализовать алгоритмы для самых различных отраслей - от дизайна лекарств до моделирования материалов.
Этот подход был разработан группой российских и зарубежных физиков под руководством профессора Оксфордского университета (Великобритания) Александра Львовского. Он позволяет ускорить проведение так называемой квантовой томографии - сложной многоэтапной процедуры, в рамках которой ученые определяют состояние всех элементов изучаемой ими квантовой системы.
Квантовая томография критически важна при разработке квантовых компьютеров и при изучении квантовых свойств и процессов, протекающих в различных молекулах и физических системах, однако проводить ее становится все сложнее при увеличении числа объектов в системе. Профессор Львовский и его коллеги разработали подход, который позволяет значительно ускорить этот процесс, используя небольшое число замеров и некоторые догадки о квантовом состоянии системы, полученные при помощи нейросетей и статистических алгоритмов.
«Наша задача заключалась в характеризации состояния двадцатикубитного квантового симулятора при использовании ограниченного набора данных. Чтобы ускорить процесс, мы использовали так называемый анзац, некоторую "догадку" о том, в каком состоянии будет находиться та или иная частица», - пояснил руководитель научной группы Российского квантового центра (Москва) Алексей Федоров.
Использование этого подхода позволило ученым быстро провести квантовую томографию в ходе опытов с квантовым симулятором, аналоговым квантовым компьютером, который был построен на базе 20 ионных кубитов. Для изучения квантового состояния этой машины понадобилось провести всего 27 тыс. замеров, что на несколько порядков меньше, чем требуется для проведения "обычной" квантовой томографии. Этот подход, как надеются физики, значительно ускорит изучение квантовых систем.
Если вы хотите стать героем публикации и рассказать о своем исследовании, заполните форму на сайте РНФ
