Ученые обучили нейронную сеть представлять одновременно множество квантовых состояний, в которых квантовая система может находиться под влиянием окружающей среды, - пишет eurekalert.org.со ссылкой на Physical Review Letters.
Даже в масштабах повседневной жизни природа подчиняется законам квантовой физики. Эти законы объясняют обычные явления, такие как свет, звук, тепло или даже траектория шаров на бильярдном столе. Но применительно к большому количеству взаимодействующих частиц законы квантовой физики фактически предсказывают множество явлений, которые не поддаются интуитивному пониманию.
Чтобы изучать квантовые системы, состоящие из множества частиц, физики должны научиться их моделировать. Это может быть сделано путем решения уравнений, описывающих их внутреннюю работу на суперкомпьютерах. Но хотя закон Мура предсказывает, что вычислительная мощность компьютеров удваивается каждые несколько лет, все еще далеко до мощности, необходимой для решения задач квантовой физики.
Причина в том, что прогнозирование свойств квантовой системы чрезвычайно сложно и требует вычислительной мощности, которая растет экспоненциально с размером квантовой системы, - считает профессор Винченцо Савона, который руководит Лабораторией теоретической физики наносистем в Федеральной политехнической школе Лозанны.
«Все становится еще сложнее, когда квантовая система открыта, а это означает, что она подвержена нарушениям окружающей среды», - добавляет Савона. И все же инструменты для эффективного моделирования открытых квантовых систем крайне необходимы, поскольку большинство современных экспериментальных платформ для квантовой науки и техники являются открытыми системами, и физики постоянно ищут новые способы моделирования и сравнения их.
Значительный прогресс был достигнут благодаря новому вычислительному методу, который моделирует квантовые системы с помощью нейронных сетей. Этот метод был разработан Савоной и его аспирантом Александрой Наги в Федеральной политехнической школе Лозанны - и независимо друг от друга учеными из Университета Париж Дидро, Университета Хериота-Уотта в Эдинбурге и Института Флатирон в Нью-Йорке.
«Мы в основном объединили достижения в области нейронных сетей и машинного обучения с квантовыми инструментами Монте-Карло», - говорит Савона, имея в виду большой набор вычислительных методов, которые физики используют для изучения сложных квантовых систем.
Нейросетевой подход позволил физикам предсказать свойства
квантовых систем значительных размеров и произвольной геометрии.
«Это новый вычислительный подход, который решает проблему
открытых квантовых систем универсально и с большим потенциалом
для расширения», - говорит Савона. Метод должен стать
предпочтительным инструментом для изучения сложных квантовых
систем и, заглядывая немного в будущее, для оценки влияния шума
на квантовое оборудование.
[Фото: eurekalert.org]
