Для решения современных квантовых задач требуются большие мощности, с которыми не всегда могут справиться суперкомпьютеры. Их функции ограничены из-за неэффективного представления квантового состояния материалов. Решением данной проблемы может стать применение квантовых компьютеров. В этом случае одна квантовая система будет имитировать другую, похожую на нее. Это дает возможность решать задачи более точно и предсказывать новые материалы с уникальными свойствами.
Но это не решает всех трудностей, дело в том, что из-за того, что квантовый компьютер взаимодействует с окружающей средой, его состояние постоянно меняется и результаты вычислений не могут соответствовать ожиданиям. Это явление называется «проблемой декогеренции». Она не позволяет решить проблемы вычислительной физики и материаловедения. Чтобы преодолеть это, ученые стараются минимизировать воздействие внешних шумов. Добиться этого можно двумя способами: настройкой оборудования или совершенствованием программных методов.
Так, ученые из Уральского федерального университета в своей новой работе решили решили усовершенствовать программный метод. Они разработали алгоритм, который может определить, в какой фазе находится материал и какими свойствами он обладает. Для создания такой сети ученые провели множество кропотливых экспериментов и собрали огромное количество данных, чтобы эффективно обучить систему.
По словам авторов, нейросеть на протяжении определенного времени самостоятельно "играет" на квантовом компьютере, применяя способности нейросети к саморазвитию в процессе игры. Они обучили систему эффективно решать задачи на квантовом компьютере. При этом, алгоритм может делать это, даже если присутствуют эффекты декогеренции, но все равно приходит к наилучшим из возможных значений.
Физики ставят перед собой задачу обработать большее количество данных об уже известных веществах, их состояниях при различных воздействиях (температуре, давлении и магнитном поле). А также научиться предсказывать свойства новых материалов, наделять их необычайными свойствами, создавая новые кристаллические структуры и химические составы. Ученые надеются, что новая нейросеть поможет им в решении этих задач.