КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер 19-71-10092

НазваниеМетоды машинного обучения для исследования многочастичных квантовых систем

РуководительФедоров Алексей Константинович, кандидат наук (признаваемый в РФ PhD)

Организация финансирования, регион Общество с ограниченной ответственностью "Международный центр квантовой оптики и квантовых технологий", г Москва

Период выполнения при поддержке РНФ 07.2022 - 06.2024 

Конкурс Конкурс на продление сроков выполнения проектов, поддержанных грантами Российского научного фонда по мероприятию «Проведение исследований научными группами под руководством молодых ученых» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными (41).

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах, 01-212 - Квантовые методы обработки информации

Ключевые словаКвантовые вычисления, квантовая обработка информации, квантовые симуляторы, фазовые переходы, многочастичные системы, алгоритмы оптимизации, алгоритмы отжига

Код ГРНТИ27.35.57


СтатусУспешно завершен


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Аннотация
Одной из ключевых потребностей современного общества является эффективное решение сложных вычислительных задач. Несмотря на колоссальный успех в развитии вычислительных устройств, определенные классы вычислительных задач, таких как точное моделирование химических систем (например, больших молекул или химических реакций) или комбинаторная оптимизация, оказываются крайне сложными: требуемые ресурсы для их решения растут экспоненциально с увеличением размерности задачи. Наличие подобного класса трудных вычислительных задач мотивирует исследовать альтернативные физические подходы для их решения. Одним из таких подходов являются квантовые вычисления. Идея квантовых вычислений состоит в том, чтобы за счет управления индивидуальными квантовыми системами добиться ускорения в решении ряд задач. Предпосылкой для такой возможности является тот факт, что управление отдельными квантовыми системами позволяет создать конфигурации, для описания которых требуется экспоненциально большое количество параметров. Несмотря на значительный прогресс в области квантовых вычислений, ресурсы современных квантовых компьютеров достаточно ограничены. Класс существующих на сегодняшний день квантовых компьютеров часто называют NISQ (noisy intermediate-scale quantum), т.е. шумными квантовыми устройствами промежуточного масштаба. Ресурсов квантовых процессоров подобного класса недостаточно для решения востребованных практических задач, например, из области моделирования квантовых систем. Одним из наиболее активно развивающихся направлений последнего времени является квантовое машинное обучение. К области квантового машинного обучения относятся несколько направлений. Во-первых, применение методов классического машинного обучения для изучения сложных (многочастичных и взаимодействующих) квантовых систем. Во-вторых, квантовые вычисления могут ускорить отдельные элементы алгоритмов машинного обучения. В-третьих, ряд подходов для использования квантовых вычислений, прежде всего, квантовые вариационные алгоритмы, тесно связаны с классическими методами машинного обучения. Именно вариационные квантовые алгоритмы сегодня являются одним из наиболее продуктивных подходов для практического использования NISQ-устройств. Цель настоящего проекта состоит во всестороннем развитии направления квантового машинного обучения, прежде всего в направлении исследования сложных многочастичных систем и создания новых квантовых алгоритмов. Предлагаемый проект базируется на научной и методологической базе, которая была разработана в ходе реализации проекта в 2019-2022 гг., ключевыми результатами которого стали более эффективные методы квантовой томографии на основе машинного обучения, решения задач квантовой химии с помощью квантовых компьютеров, а также новые применения квантовых алгоритмов, в частности, для решения задач обработки генетических данных. Активное развитие квантовых технологий последние десятилетия в России и в мире указывает на высокую степень актуальности данных исследований. Первым направлением настоящего проекта является разработка методов анализа сложных квантовых систем на основе машинного обучения. Сложные – многочастичные и взаимодействующие – квантовые системы крайне затруднительны для анализа традиционными методами из-за экспоненциально растущего числа ресурсов, требуемых для их описания, при увеличении размерности системы. Вторым направлением проекта является реализация новых квантовых алгоритмов, прежде всего, в области машинного обучения, оптимизации и квантовой химии. Как поставленные задачи, так и ожидаемые результаты являются оригинальными, поэтому в рамках проекта представляют научную значимость как новые методы и подходы, новые объекты для исследования, так и непосредственно новизна полученных результатов. Проект носит теоретический характер, однако будут направлены усилия на выстраивание сотрудничества с экспериментальными группами для возможности апробации полученных результатов в реальных экспериментах.

Ожидаемые результаты
Ожидаемые результаты будут соответствовать мировому уровню исследований, обладать как фундаментальным, так и прикладным значением в области квантовых информационных технологий. Направление 1. Первым направлением настоящего проекта является разработка методов анализа сложных квантовых систем на основе машинного обучения. В рамках данного проекта предлагается комбинировать подходы на основе машинного обучения с успешным образом используемыми анзацами для описания квантовых систем, такими как тензорные сети и MPS-анзацы (matrix product state). На основе разработанных подходов предполагается развить набор инструментов для предсказания квантовой динамики, а также для эффективного решения задач управления квантовыми системами. Развитие вышеуказанных подходов и решение данного класса задач будет способствовать поиску более эффективных методов использования ресурсов существующих классов квантовых вычислительных устройств. Предполагается изучить возможность построения редуцированных (reduced-order model) моделей многочастичных квантовых систем на основе тензорных сетей. Такие модели могут быть построены как на основе эффективного анзаца, так и на основе экспериментальных данных. Разработанные модели предполагается использовать для построения эффективных методов управления многочастичными квантовыми системами. При этом задачи управления могут быть разнообразными, например, построение управления для минимизации свободной энергии системы (протокола «охлаждения»). В качестве основного объекта исследований предполагается рассматривать спиновые цепочки с взаимодействием. Интересной возможностью является изучение эффективности управления в различных режимах, например, при термализации и фазе многочастичной локализации (возможно также рассмотреть критически медленную термализацию). Планируется развивать направление, связанной с построением редуцированных (reduced-order model) моделей многочастичных квантовых систем на основе тензорных сетей с целью построения протоколов управления определёнными наблюдаемыми системы. Также планируется исследовать возможности использования более эффективных классических вычислительных методов, которые могут быть полезны при реализации квантовых алгоритмов управления. Особое внимание планируется уделить вопросу адаптивности данных протоколов управления (возможности за счет изучения динамики предлагать какие-то более эффективные стратегии в зависимости от условий), а также универсальности (применению к широкому классу физических платформ для реализации квантовых технологий, например, твердотельных, атомных, ионных и др). Планируется рассмотреть возможность использования алгоритмов управления для создания сложны многочастичных состояний. Для этого будет исследоваться парадигма систем с накачкой и диссипацией (driven-dissipative systems), в которых за счет баланса между ними можно добиваться возможности реализации интересных многочастичных эффектов. Направление 2. Вторым направлением проекта является реализация новых квантовых алгоритмов, прежде всего, в области машинного обучения. Одно из ключевых препятствий на пути к использованию существующих квантовых компьютеров является необходимость адаптации квантовых алгоритмов под ограниченные ресурсы аппаратной платформы. В этом направлении планируется активно развивать подходы на основе вариационных квантовых алгоритмов, а также исследовать возможность применения квантовых компьютеров для решения практических задач, например, из области оптимизации, моделирования и квантовой химии. В части реализации новых квантовых алгоритмов особенное внимание предполагается обратить на алгоритмы квантового машинного обучения. Более конкретно, планируется исследовать реализацию вариационных квантовых алгоритмов класса VQE в приложениях квантовой химии. Особое внимание планируется уделить вопросу снижения ресурсов при реализации алгоритмов VQE, например, числа операций и числа измерений. Также планируется разработать новые квантовые алгоритмы для решения прикладных оптимизационных задач класса QUBO. Одним из ключевых направлений станет развитие методологии, разработанной при реализации Проекта в 2019-2022 по сравнению различных инструментов для решения оптимизационных задач: классических, квантово-вдохновленных и квантовых. Планируется расширить класс решаемых прикладных задач квантовой оптимизации класса QUBO, например, из области логистики. Планируется исследовать классы биологических задач, связанных с моделями Изинга и моделью Поттса, в которых могут эффективно применяться квантовые алгоритмы. Планируется изучить возможность применения квантового машинного обучения для более широкого класса постановок задач генеративной химии. Планируется исследовать возможности квантовых алгоритмов VQE (и других гибридных методов) в задачах квантовой химии для эффективного моделирования молекул промежуточного масштаба. Полученные теоретические результаты, предложения и методы будут по возможности апробированы экспериментально с целью определения их практической осуществимости и технологического потенциала. Одной из возможностью апробации является использование доступных облачных платформ квантовых вычислений. Полученные теоретические результаты, предложения и методы будут апробированы экспериментально с целью определения их практической осуществимости и технологического потенциала.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2022 году
Одним из наиболее актуальных направлений последнего времени является поиск синергии между методами машинного обучения и квантовыми технологиями. Развитие данной области идет по нескольким основным направлениям. В ходе реализации проекта получен ряд важных научных результатов в области квантового машинного обучения. Во-первых, исследованы задачи управления квантовыми системами. Прогресс в области квантовых технологий требует оптимальных методов управления квантовыми системами. Поиск оптимальных управляющих последовательностей для многочастичных квантовых систем является важной, нетривиальной задачей. Это связано с тем, что для полного моделирования динамики системы многих тел при заданном выборе управляющих параметров требуются ресурсы, экспоненциально зависящие от числа степеней свободы. В ходе реализации проекта нами предложен эффективный подход к решению класса задач управления многочастичными квантовыми системами, в котором зависящее от времени управление применяется к достаточно малой подсистеме. Подход основан на тензорно-сетевой схеме для построения низкоразмерной модели немарковской динамики подсистемы. Низкоразмерная модель, рассматриваемая как «цифровой двойник» исходной подсистемы. Предложенный метод апробирован на решении задач управления одномерными квантовыми спиновыми цепочками. Полученные результаты найдут прямое применение при изучении многочастичных систем, при исследовании нетривиальных свойств квазичастиц, а также при разработке квантовых вычислительных устройств. Одной из задач на пути к управлению квантовыми системами является их характеризация – получение полного описания квантовой системы на основе измерений. Ключевым вызовом при решении данной задачи является ограниченное количество измерений. Нами решается задача полной характеризации (т.н. задача квантовой томографии состояния) 20-кубитного ионного квантового симулятора с помощью максимизации функции правдоподобия. Стоит отметить, что имеющееся количество измерений значительно меньше размерности пространства состояний (2^20). Нами рассмотрены методы на основе нейронных и тензорных сетей, показано преимущество последнего подхода. Кроме того, был предоставлен пример состояния, томография которого возможна лишь нейросетевыми алгоритмами. Нами рассмотрена задача о генерации Z_3 парафермионов и их локализации в многочастичной квантовой системе с беспорядком Нами проведена эмуляция квантовых алгоритмов с помощью высокопроизводительного эмулятора цифрового квантового процессора на основе векторов состояний. В работе проведен анализ численных показателей для реализации широкого спектра квантовых алгоритмов (количество кубитов – до 35). Нами исследованы подходы к созданию гибридных систем квантовой передачи информации на основе квантовых коммуникаций и постквантовой криптографии [5]. Рассмотрено несколько реалистичных сценариев интеграции постквантовых алгоритмов в системы квантового распределения ключей, например, при решении задачи аутентификации пользователей. Научная статья опубликована в журнале Frontiers in Quantum Science and Technology (новый журнал издательства Frontiers). Во-вторых, нами исследуются вариационные квантовые алгоритмы. Основной сложностью при реализации квантовых вычислений является неидеальность физической системы, с которой связано возникновение ошибок. На текущем этапе развития квантовых вычислений применение методов квантовой коррекции ошибок крайне затруднительно, поэтому актуален вопрос об использовании «шумных» квантовых процессоров для решения практических задач. За последние 8 лет квантовые вариационные алгоритмы стали активно развиваться. Одним из примеров вариационных квантовых алгоритмов является квантовая приближенная оптимизация (quantum approximate optimization algorithm, QAOA). В конце 2022 года группа ученых из Китая сделала сенсационное заявление о возможности использования данного алгоритма для решения задачи разложения чисел на простые множители со значительным ускорением не только по сравнению с классическим алгоритмом, но и с меньшим числом ресурсов, чем в известном алгоритме Шора. Так как задача факторизации лежит в основе широко распространенной криптографии с открытым ключом, наличие эффективного алгоритма факторизации означает необходимость быстрого перехода на квантово-устойчивые решения. Нами было проведен детальный анализ данного алгоритма и выявлены «подводные камни». Используемый метод позволяет получить лишь приближенное решение соответствующей задачи, которое относительно легко скорректировать для небольших чисел и решеток малой размерности, но практически невозможно для реально используемых параметров криптосистем. В данный момент мы анализируем возможность масштабирования данного подхода. В рамках сотрудничества с экспериментальной группой в Москве, занимающейся ионными квантовым вычислениями, нами проведен анализ возможности реализации кудитных квантовых алгоритмов (алгоритмов, задействующих многоуровненвые квантовые системы – кудиты). Показана возможность реализации универсального набора логических операций. В-третьих, мы исследуем возможность решения задач комбинаторной оптимизации с помощью квантовых технологий. Решение задач комбинаторной оптимизации актуально для многих направления, например, финансовой сферы, телекоммуникаций и логистики. Классические методы решения оптимизационных задач зачастую сталкиваются с экспоненциальным ростом количества возможных решений при увеличении размерности задачи. Квантовые вычисления могут стать одним из инструментов для решения оптимизационных задач, позволяющих получить решения более эффективным способом. На промежуточном этапе развития возникают также квантово-вдохновленные алгоритмы – классические алгоритмы, основанные на моделировании квантовых систем. В рамках нашего проекта нами рассмотрены две задачи из области оптимизации, которые решались с помощью методов квантово-вдохновленной оптимизации. Нами рассмотрена проблема минимизации использованных длин волн в оптической сети при заранее определенных маршрутах. Данная постановка сводится к задаче по минимальной раскраске графа и относится к NP-полным. Вследствие этого получение оптимального назначения длин волн экспоненциально затрудняется при росте размера сети. В нашем исследовании предложен квантово-вдохновленный подход к решению проблемы минимального распределения длин волн. Разработано новое преобразование исходной проблемы в формат квадратичной неограниченной двоичной оптимизации (QUBO), результатом нахождения минимума которой является оптимальное решение задачи раскраски графа соединений. Далее мы предлагаем квантово-вдохновенный метод для разрешения соответствующей задачи QUBO с сравнении с эвристическими и промышленными комбинаторными решателями. Полученные результаты закладывают основу для применения квантовых алгоритмов к практическим проблемам телекоммуникаций и предлагают направление для дальнейших исследований потенциальных применений квантовых вычислительных устройств. Также рассмотрена задача класса «упаковки». Показана возможность решения задачи с помощью квантовой и квантово-вдохновленной оптимизации. Таким образом, все поставленные задачи выполнены в полном объеме. Подготовлено 9 научных публикаций. Коллективом проекта ведется обширная образовательная деятельность.

 

Публикации

1. Аксенов М.А., Заливако И.В., Семериков И.А., Борисенко А.С., Семенин Н.В., Сидоров П.Л., Федоров А.К., Хабарова К.Ю., Колачевский Н.Н. Realizing quantum gates with optically-addressable 171Yb+ ion qudits Physical Review A, - (год публикации - 2023)

2. Баховадинов М.С.,Буйсман В.,Федоров А.К., Грицев В., Курлов Д.В. Many-body localization of Z3 Fock parafermions Physical Review B, 106, 224205 (2022) (год публикации - 2022) https://doi.org/10.1103/PhysRevB.106.224205

3. Боев А.С , Усманов С.Р., Семенов А. М., Ушакова М.М., Салахов Г. В., Мастюкова А. С., Киктенко Е.О., Федоров А.К. Quantum-inspired optimization for wavelength assignment Frontiers in Physics, Frontiers in Physics 10, 1092065 (2023) (год публикации - 2022) https://doi.org/10.3389/fphy.2022.1092065

4. Лучников И.А., Татаркин О.Е., Федоров А.К. High-performance state-vector emulator of a gate-based quantum processor implemented in the Rust programming language AIP Conference Proceedings, - (год публикации - 2023)

5. Федоров А.К. Deploying hybrid quantum-secured infrastructure for applications: When quantum and post-quantum can work together, Frontiers in Quantum Science and Technology, 2, 1164428 (2023) (год публикации - 2023) https://doi.org/10.3389/frqst.2023.1164428

6. - Московские ученые представили квантовую нейросеть для распознавания изображения Comnews, - (год публикации - )

7. - Предиктивную аналитику успешно применили в квантовых технологиях Поиск, - (год публикации - )

8. - Российские физики создали быстрый эмулятор многокубитного квантового компьютера N+1, 28.09.22 (год публикации - )


Аннотация результатов, полученных в 2023 году
Основным направлением исследований в рамках второго года реализации проекта являлось изучение свойств сложных – многочастичных и взаимодействующих – квантовых систем. Во-первых, такие системы представляют большой интерес с точки зрения фундаментальной науки. Такие системы являются платформой для изучения новых фаз квантовой материи с необычными свойствами, например, сверхпроводимости и сверхтекучести, а также для исследования фазовых переходов. Во-вторых, многочастичные и запутанные квантовые системы – физическая основа для создания квантовых вычислительных устройств, таких как квантовые процессоры и квантовые симуляторы. Квантовые вычислительные устройства, как предполагаются, смогут обеспечить преимущество при решении различных практически важных задач, таких как моделирование сложных системы (химических соединений, лекарств, материалов и т.д.), а также оптимизации (финансовой, логистической и т.д.). Одним их ключевых вызовов при разработке квантовых процессоров является сложность их характеризации. Это связано с рядом причин. Во-первых, сложность описания квантовых систем может расти экспоненциально с увеличением размерности системы. Во-вторых, квантовые системы являются открытыми, т.е. они взаимодействуют с окружением, что оказывает значительный эффект на поведение квантовых систем. В этом контексте важным инструментом для характеризации квантовых систем является машинное обучение – использование методов анализа данных. Реализация проекта на втором этапе предполагала исследование по нескольким направлениям. Направление 1. Исследование эффектов в открытых квантовых системах. В ходе реализации проекта разработан метод для описания конформной симметрии открытых марковских квантовых систем. Конформная симметрия определяет поведение закрытых систем вблизи фазовых переходов второго рода и, как ожидается, возникнет в открытых системах, претерпевающих диссипативные фазовые переходы. Данный метод применен для исследования различных многочастичных квантовых систем. Ключевой особенностью предлагаемого подхода является то, что конформная алгебра и алгебра локальных полей реализуются в пространстве супероператоров, что отличает его от случая замкнутых систем. Также в направлении исследования многочастичных квантовых систем получен ряд результатов, связанных с интегрируемыми квантовыми системами. В частности, рассмотрена спин-1/2 XXX цепочка, в которой показано слабое нарушение интегрируемости. Доказательство опирается на тот факт, что цепочку XXX с обменным взаимодействием между ближайшими спинами, можно рассматривать как редукцию интегрируемой дальнодействующей деформации спиновой цепочки Гейзенберга. Предложено обобщение модели Дике – известной физической модели квантовой оптики. В работе [3] предложено одно семейство возможных обобщений моделей Джейнса-Каммингса и Тэвиса-Каммингса с использованием техники алгебраического анзаца Бете, связанной с моделями типа Годена. В частности, представлено семейство (в общем случае) неэрмитовых гамильтонианов, которые обобщают известных квантово-оптические модели. Направление 2. Характеризация сложных квантовых систем. Анализ свойств сложных квантовых систем имеет решающее значение для дальнейшей разработки квантовых устройств, однако эта задача обычно сложна и требует очень значительно количества измерений – обычно оно растет экспоненциально с увеличением размерности системы. Особое внимание к этой проблеме появляется в контексте характеристики результатов работы шумных квантовых устройств промежуточного масштаба, которые генерируют квантовые состояния с особыми свойствами. Поэтому ожидается, что такие состояния не поддаются прямому классическому моделированию. Исследована возможность характеризации квантовых систем с помощью одномерных тензорных сетей типа состояний матричного произведения. В рамках развиваемого подхода, была произведена томография непрерывной волновой функции кота Шредингера в разных базисах, а также восстановлена волновая функция равной суперпозиции когерентных состояний. Другой областью применения метода является нахождение основных состояний Гамильтонианов, имеющих естественное представление в непрерывных переменных. В данный момент готовится публикация по итогам полученных результатов, они были использованы при подготовке бакалаврской работы И. Рызова (выполнена под руководством А.К. Федорова). Также исследован специфический тип квантовых устройств – устройства бозонного сэмплирования, которые используют интерференцию входных фотонов для создания выборок с нетривиальными распределениями вероятностей. Эти распределения при определенных условиях трудно получить классическим способом. Для реалистичных экспериментальных условий задача состоит в том, чтобы исследовать многофотонную интерференцию с ограниченным числом результатов измерений без столкновений и повторений. Построив сети по результатам измерений, показана возможность различать режимы неразличимых и различимых бозонов путем количественной оценки структур соответствующих сетей. На основании этого предложен протокол на основе машинного обучения для тестирования бозонного сэмплера с неизвестной матрицей рассеяния. Примечательно, что протокол работает в самых сложных режимах с очень ограниченным количеством битовых строк без коллизий и повторений. Предлагаемый можно напрямую применять для характеристики устройств отбора проб бозонов, которые в настоящее время доступны в экспериментах. Направление 3. Квантовые алгоритмы для решения практических задач Одним из направлений являлось исследование практических применений квантовых вычислительных устройств в задачах оптимизации и квантово-химического моделирования. Квантовые вычислительные устройства предназначены для решения задач, которые считаются экспоненциально сложными для существующих (классических) устройств. Ярким примером таких классически сложных задач является моделирование сложных квантовых систем многих тел, в частности, для целей квантовой химии. Однако решение реалистичных задач квантовой химии с помощью квантовых компьютеров сталкивается с различными трудностями, связанными, во-первых, с ограниченными вычислительными возможностями существующих квантовых устройств и, во-вторых, с эффективностью алгоритмических подходов. Нами разработана библиотека для квантово-химических алгоритмов. Основная цель— ускорить разработку вариационных квантовых алгоритмов для решения проблем электронной структуры. Описаны различные функции и возможности этой библиотеки, в том числе простоту создания индивидуальных версий вариационных квантовых алгоритмов. Продемонстрировано, как разработанная библиотека позволяет проектировать квантовые цепочки и обеспечивать эффективное выполнение квантовых алгоритмов. Кроме того, библиотека облегчает интеграцию классических и квантовых алгоритмов для гибридных вычислений и помогает реализовать перекрестную проверку данных с традиционными вычислительными методами, тем самым повышая общую надежность моделирования квантовой химии. Показана возможность моделирования химических соединений, таких как водород и гидрид лития с помощью квантовых вычислительных устройств. Также показано решение задач оптимизации с помощью квантовых и квантово-вдохновленных методов для атомной отрасли. Управление эксплуатацией атомных электростанций состоит из нескольких вычислительно сложных задач. Среди них – поиск схемы загрузки топлива в активную зону. Основной проблемой этой задачи комбинаторной оптимизации является экспоненциальный рост пространства поиска с количеством элементов загрузки. Нами изучена задача перезагрузки в форме квадратичной неограниченной двоичной оптимизации (QUBO). Такая форма позволяет нам применять различные методы, включая квантовый отжиг, классический моделируемый отжиг и квантовый алгоритм, чтобы найти схемы перегрузки топлива для нескольких реалистичных конфигураций ядерных реакторов. Получены результаты сравнительного анализа проблемы управления топливом в активной зоне в форме QUBO с использованием вышеупомянутых вычислительных методов. Эта работа демонстрирует потенциальное применение квантовых компьютеров и квантовых алгоритмов в энергетической отрасли. Все результаты являются оригинальными и соответствуют мировому уровню, о чем свидетельствует высокая публикационная активность коллектива в ведущих профильных изданиях.

 

Публикации

1. А.А. Божедаров, А.С. Боев, С.Р. Усманов, Г.В. Салахов, Е.О. Киктенко, А.К. Федоров Quantum and quantum-inspired optimization for solving the minimum bin packing problem Journal of Physics: Conference Series, 2701, 012129 (2024) (год публикации - 2024) https://doi.org/10.1088/1742-6596/2701/1/012129

2. Д.В. Курлов, А.К. Федоров, А. Гаркун и В. Грицев One generalization of the Dicke-type models Nonlinear Phenomena in Complex System, 26, 293 (2023) (год публикации - 2024) https://doi.org/10.5281/zenodo.1003449

3. И.А. Лучников, М.А. Гавреев, А.К. Федоров Controlling quantum many-body systems using reduced-order modeling Physical Review Research, 6, 013161(2024) (год публикации - 2024) https://doi.org/10.1103/PhysRevResearch.6.013161

4. К.М. Макушин, М.Д. Сапова, А.К. Федоров Quantum computing library for quantum chemistry applications Journal of Physics: Conference Series, 2701, 012032 (2024) (год публикации - 2024) https://doi.org/10.1088/1742-6596/2701/1/012032

5. Лотков А.И., Курлов Д.В., Федоров А.К., Немков Н.А., Грицев В. Conformal symmetry in quasifree Markovian open quantum systems, Physica Review B, 108, 064312 (2023) (год публикации - 2023) https://doi.org/10.1103/PhysRevB.108.064312

6. М.К. Курмапу, В.В. Тиунова, Е.С. Тиунов, М. Рингбауэр, К. Майер, Р. Блатт, Т. Монц, А.К. Федоров и А.И. Львовский Reconstructing complex states of a 20-qubit quantum simulator PRX Quantum, 4, 040345 (2023) (год публикации - 2023) https://doi.org/10.1103/PRXQuantum.4.040345

7. Орлов П., Тютяйкина А., Шарипов Р., Петрова Е., Грицев В., Курлов Д.В. Adiabatic eigenstate deformations and weak integrability breaking of Heisenberg chain Physical Review B, 107, 184312 (2023) (год публикации - 2023) https://doi.org/10.1103/PhysRevB.107.184312

8. С.В. Гребнев, М.А. Гавреев, Е.О. Киктенко, А.П. Гугля, А.Р. Ефимов, А.К. Федоров Pitfalls of the sublinear QAOA-based factorization algorithm IEEE Access, 11, 134760 (2023) (год публикации - 2023) https://doi.org/10.1109/ACCESS.2023.3336989

9. С.Р. Усманов, Г.В. Салахов, А.А. Божедаров, А.К. Федоров Quantum and quantum inspired optimization for an in-core fuel management problem Journal of Physics: Conference Series, 2701, 012031 (2024) (год публикации - 2024) https://doi.org/10.1088/1742-6596/2701/1/012031

10. Яковлев И.А, Сотников О.М., Дьяконов И.В., Киктенко Е.О., Федоров А.К., Страупе С.С., Мазуренко В.В. Benchmarking a boson sampler with Hamming nets Physical Review A, 108, 062420 (2023) (год публикации - 2023) https://doi.org/10.1103/PhysRevA.108.062420

11. - Российские и зарубежные физики создали метод быстрого изучения квантовых систем Тасс, - (год публикации - )

12. - Исследователи разработали «полуслепой» метод описания квантовых систем Поиск, - (год публикации - )


Возможность практического использования результатов
Разработка технологии квантовых вычислений является одним из наиболее активно развивающихся научно-технологических направлений в мире. Исследования в этой области ведутся ведущими научными центрами и крупными компаниями. В 2019 году в Российской Федерации разработана и принята дорожная карта (ДК) развития сквозной цифровой технологии «Квантовые технологии”. В рамках ДК выделены приоритетные направления для развития технологии квантовых вычислений (ГК «Росатом» разработала и реализует ДК по направлению квантовых вычислений). Кроме того, ДК предполагает активное развитие квантовых алгоритмов и программного обеспечения для будущих квантовых компьютеров. Стоит также упомянуть, что тема квантового машинного обучения стала предметом ряда обзоров, которые указывают на высокий темп развития данного научного направления последние 5-7 лет. Направление Проекта 2019 года остается актуальным и активно исследуемым международным научным сообществом, а также потенциально востребованным для реализации Дорожной карты по развитию квантовых вычислений. С 2025 года развитие квантовых вычислений планируется продолжить в рамках Национального проекта "Экономика данных". Полученные в ходе реализации настоящего проекта результаты будут использованы в ходе развития направлений квантовых вычислений в России.