p Os computadores quânticos podem resolver tarefas complexas que estão além das capacidades dos computadores convencionais. Contudo, os estados quânticos são extremamente sensíveis à interferência constante de seu ambiente. O plano é combater isso usando proteção ativa baseada na correção de erros quânticos. Florian Marquardt, Diretor do Instituto Max Planck para a Ciência da Luz, e sua equipe apresentou agora um sistema de correção de erros quânticos que é capaz de aprender graças à inteligência artificial. p Em 2016, o programa de computador AlphaGo venceu quatro dos cinco jogos de Go contra o melhor jogador humano do mundo. Dado que um jogo de Go tem mais combinações de movimentos do que os átomos estimados no universo, isso exigia mais do que apenas poder de processamento. Em vez, AlphaGo usou redes neurais artificiais, que podem reconhecer padrões visuais e são até capazes de aprender. Ao contrário de um humano, o programa foi capaz de praticar centenas de milhares de jogos em um curto espaço de tempo, eventualmente superando o melhor jogador humano. Agora, os pesquisadores baseados em Erlangen estão usando redes neurais desse tipo para desenvolver o aprendizado de correção de erros para um computador quântico.

p Redes neurais artificiais são programas de computador que imitam o comportamento de células nervosas (neurônios) interconectadas - no caso da pesquisa em Erlangen, cerca de dois mil neurônios artificiais estão conectados entre si. "Pegamos as ideias mais recentes da ciência da computação e as aplicamos a sistemas físicos, "explica Florian Marquardt." Ao fazer isso, lucramos com o rápido progresso na área de inteligência artificial. "

p Redes neurais artificiais podem superar outras estratégias de correção de erros

p A primeira área de aplicação são os computadores quânticos, como mostrado pelo artigo recente, que inclui uma contribuição significativa de Thomas Fösel, um estudante de doutorado no Instituto Max Planck em Erlangen. No papel, a equipe demonstra que as redes neurais artificiais com uma arquitetura inspirada no AlphaGo são capazes de aprender - por si mesmas - como realizar uma tarefa que será essencial para a operação de futuros computadores quânticos:correção de erros quânticos. Existe até a perspectiva de que, com treinamento suficiente, esta abordagem superará outras estratégias de correção de erros.

p Para entender o que isso envolve, você precisa observar a maneira como os computadores quânticos funcionam. A base da informação quântica é o bit quântico, ou qubit. Ao contrário dos bits digitais convencionais, um qubit pode adotar não apenas os dois estados zero e um, mas também sobreposições de ambos os estados. No processador de um computador quântico, há até mesmo vários qubits sobrepostos como parte de um estado conjunto. Esse emaranhamento explica o tremendo poder de processamento dos computadores quânticos quando se trata de resolver certas tarefas complexas nas quais os computadores convencionais estão fadados ao fracasso. A desvantagem é que a informação quântica é altamente sensível ao ruído de seu ambiente. Esta e outras peculiaridades do mundo quântico significam que as informações quânticas precisam de reparos regulares - isto é, correção de erros quânticos. Contudo, as operações que isso requer não são apenas complexas, mas também devem deixar a própria informação quântica intacta.

p A correção de erros quântica é como um jogo de Go com regras estranhas

p "Você pode imaginar os elementos de um computador quântico como sendo uma placa Go, "diz Marquardt, chegar à ideia central por trás de seu projeto. Os qubits são distribuídos pelo tabuleiro como peças. Contudo, existem certas diferenças fundamentais em relação a um jogo convencional de Go:todas as peças já estão distribuídas pelo tabuleiro, e cada um deles é branco de um lado e preto do outro. Uma cor corresponde ao estado zero, o outro para um, e um movimento em um jogo de Go quântico envolve virar as peças. De acordo com as regras do mundo quântico, as peças também podem adotar cores mistas de cinza, que representam a superposição e emaranhamento de estados quânticos.

p Quando se trata de jogar, um jogador - vamos chamá-la de Alice - faz movimentos que visam preservar um padrão que representa um certo estado quântico. Estas são as operações de correção de erros quânticos. Enquanto isso, seu oponente faz tudo o que pode para destruir o padrão. Isso representa o ruído constante da abundância de interferência que os qubits reais experimentam em seu ambiente. Além disso, um jogo de Go quântico torna-se especialmente difícil por causa de uma regra quântica peculiar:Alice não pode olhar para o tabuleiro durante o jogo. Qualquer vislumbre que revele o estado das peças qubit para ela destrói o estado quântico sensível que o jogo está ocupando atualmente. A questão é:como ela pode fazer os movimentos certos, apesar disso?

p Qubits auxiliares revelam defeitos no computador quântico

p Em computadores quânticos, este problema é resolvido posicionando qubits adicionais entre os qubits que armazenam as informações quânticas reais. Medidas ocasionais podem ser tomadas para monitorar o estado desses qubits auxiliares, permitindo que o controlador do computador quântico identifique onde estão as falhas e execute operações de correção nos qubits portadores de informação nessas áreas. Em nosso jogo de quantum Go, os qubits auxiliares seriam representados por peças adicionais distribuídas entre as peças reais do jogo. Alice tem permissão para olhar ocasionalmente, mas apenas nessas peças auxiliares.

p No trabalho dos pesquisadores de Erlangen, O papel de Alice é desempenhado por redes neurais artificiais. A ideia é que, através do treinamento, as redes se tornarão tão boas nesse papel que podem até ultrapassar as estratégias de correção planejadas por mentes humanas inteligentes. Contudo, quando a equipe estudou um exemplo envolvendo cinco qubits simulados, um número que ainda é gerenciável para computadores convencionais, eles foram capazes de mostrar que uma rede neural artificial sozinha não é suficiente. Como a rede só pode coletar pequenas quantidades de informações sobre o estado dos bits quânticos, ou melhor, o jogo do quantum Go, nunca vai além do estágio de tentativa e erro aleatório. Em última análise, essas tentativas destroem o estado quântico em vez de restaurá-lo.

p Uma rede neural usa seu conhecimento prévio para treinar outra

p A solução vem na forma de uma rede neural adicional que atua como um professor para a primeira rede. Com seu conhecimento prévio do computador quântico que deve ser controlado, essa rede de professores é capaz de treinar a outra rede - seu aluno - e, assim, orientar suas tentativas de correção quântica bem-sucedida. Primeiro, Contudo, a própria rede de professores precisa aprender o suficiente sobre o computador quântico ou seu componente que deve ser controlado.

p Em princípio, redes neurais artificiais são treinadas usando um sistema de recompensa, assim como seus modelos naturais. A recompensa real é fornecida para restaurar com sucesso o estado quântico original por correção de erro quântico. "Contudo, se apenas a realização deste objetivo de longo prazo trouxesse uma recompensa, chegaria em um estágio muito tarde nas inúmeras tentativas de correção, "Marquardt explica. Os pesquisadores de Erlangen desenvolveram, portanto, um sistema de recompensa que, mesmo na fase de treinamento, incentiva a rede neural do professor a adotar uma estratégia promissora. No jogo do quantum Go, esse sistema de recompensa forneceria a Alice uma indicação do estado geral do jogo em um determinado momento, sem revelar os detalhes.

p A rede de alunos pode superar seu professor por meio de suas próprias ações

p "Nosso primeiro objetivo era que a rede de professores aprendesse a realizar operações de correção de erros quânticos com sucesso sem assistência humana adicional, "diz Marquardt. Ao contrário da rede de alunos da escola, a rede de professores pode fazer isso com base não apenas nos resultados das medições, mas também no estado quântico geral do computador. A rede de alunos treinada pela rede de professores será igualmente boa no início, mas pode se tornar ainda melhor por meio de suas próprias ações.

p Além da correção de erros em computadores quânticos, Florian Marquardt prevê outras aplicações para inteligência artificial. Na opinião dele, a física oferece muitos sistemas que poderiam se beneficiar do uso de reconhecimento de padrões por redes neurais artificiais.