Sam Jarman tərəfindən , Phys.org

Sadie Harley tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Müxtəlif kvant hesablama arxitekturalarında neyron şəbəkələrinin işə salınması. Müəllif: Cəmil Laxdar-Həmina və başqaları.

Neyron şəbəkələri, maşınların məlumatlardakı nümunələri necə tapdığını, fotoşəkillərdəki üzləri tanımaqdan zülalların formalarını proqnozlaşdırmağa qədər dəyişdirib. İndiyə qədər bütün bu irəliləyişlər adi klassik kompüterlərdə əldə edilib, lakin kvant kompüterləri artıq praktik istifadəyə keçdikcə, neyron şəbəkələrinin açıq şəkildə kvant effektlərindən istifadə edə və klassik maşınların heç vaxt edə bilmədiyi şəkildə işləyə bilməsi üçün real ehtimal var. Lakin, indiyə qədər neyron şəbəkələrinin kvant aparatlarında işləməsi daha çətin olub.

Physical Review Letters jurnalında dərc olunmuş yeni tədqiqatlar vasitəsilə Cəmil Laxdar-Hamina və Merilend Universitetinin Kollec Park şöbəsindən olan həmkarları iki fərqli kvant kompüterində işləyən neyron şəbəkəsi qurdular və bu sistemlərin nəzəri vədlərinə uyğun olub-olmadığını birbaşa sınaqdan keçirməyə imkan verdilər.

Qeyri-müəyyən kvant üstünlüyü

Neyron şəbəkəsi sadə qurğuların təbəqələrindən qurulur və hər biri siqnalları qəbul edir və aldığından asılı olaraq çıxış ötürür. Şəbəkəni öyrətmək üçün bu qurğular arasındakı əlaqələr, şəbəkə müəyyən bir tapşırıq üçün etibarlı şəkildə düzgün cavab verənə qədər tənzimlənir.

Kvant dünyasında oxşar bir quruluş kubitlərdən istifadə etməklə qurula bilər: ölçmə nəticələri təbəqələr arasında ötürülən siqnalları təmsil edən kvant məlumatlarının əsas vahidi. Tədqiqatçılar uzun müddətdir ki, bu şəbəkələrin kvant versiyalarının, bəlkə də kvant qeyri-müəyyənliyindən istifadə etməklə, klassik şəbəkələrə nisbətən həqiqi üstünlüklər təklif edə biləcəyindən şübhələnirlər. Lakin bu ideyaların çox az hissəsi fiziki cihazlarda sınaqdan keçirilib.

Səs-küy içində şirin bir yer

Lakhdar-Haminanın komandası bu problemi şəbəkəni adi klassik şəkildə öyrətməklə, sonra isə hazır şəbəkənin qərar qəbul etmə mərhələsini kvant aparatı üzərində işlətməklə həll etdi. Bu şəbəkə həmçinin iki ifrat arasında yerləşə bilər: sırf klassik rejim və tamamilə kvant rejim, burada ölçmə qeyri-müəyyənliyinin daha böyük rol oynadığı yer.

Ən əsası, onlar eyni şəbəkəni iki çox fərqli kvant platformasında işlədirdilər: biri məlumatı tələyə düşmüş ionlarda, digəri isə ifrat keçirici dövrələrdə saxlayırdı.

Komanda şəbəkəni əlyazma rəqəmlərini tanımaq kimi klassik tapşırıq üzərində sınaqdan keçirdi. Orta miqdarda kvant qeyri-müəyyənliyi tətbiq etməklə, onun dəqiqliyinin tamamilə klassik rejimlə müqayisədə daha yaxşı olduğunu aşkar etdilər – əlavə səs-küy nəticələri daha etibarsız hala gətirməzdən əvvəl etibarlılıq baxımından yaxşı bir nöqtə yaratdılar.

Performans üçün etalon

Daha təəccüblüsü odur ki, klassik şəbəkənin səhv müəyyən etdiyi təsvirlər üçün kvant versiyası bəzən onları düzgün edirdi, sanki aparatın öz fiziki səs-küyü ilə düzgün cavaba doğru itələnirdi. Mükəmməl bir dövrədə ləğv edilməli olan əlavə əməliyyatlar qəsdən əlavə etməklə, komanda iki növ kvant aparatının səs-küyə necə fərqli reaksiya verdiyini müqayisə edə bilirdi.

Nəticələr göstərir ki, kvant maşın öyrənməsində səs-küy sadəcə aradan qaldırılmalı olan bir şey deyil. Yaxşı idarə edildikdə, bəzən şəbəkənin qərarlarını faydalı istiqamətə yönəldə bilər.

Kvant kompüterləri böyüdükcə və daha yaxşı idarə olunduqca, bu cür etalonlaşdırma hansı arxitekturaların daha da inkişaf etdirilməsinə dəyər olduğunu və kvant neyron şəbəkələrinin bir gün klassik kompüterlərin tamamilə əlçatmaz problemlərini həll edib-etməyəcəyini müəyyən etmək üçün vacib olacaq.

Müəllifimiz Sam Jarman tərəfindən sizin üçün yazılmış, Sadie Harley tərəfindən redaktə edilmiş və Robert Egan tərəfindən faktlar yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu reportaj sizin üçün vacibdirsə, xahiş edirik ianə etməyi düşünün (xüsusilə aylıq). Təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .