Criar computadores quânticos é caro e demorado, e os dispositivos resultantes não têm garantia de exibir qualquer vantagem quântica, isto é, eles geralmente não funcionam mais rápido do que um computador convencional. Portanto, os pesquisadores precisam de ferramentas para prever se um determinado dispositivo quântico terá uma vantagem quântica.

Uma das maneiras de implementar cálculos quânticos são as caminhadas quânticas. Em termos simplificados, o método pode ser visualizado como uma partícula viajando em uma determinada rede subjacente a um circuito quântico. Se a caminhada quântica de uma partícula de um nó da rede para outro acontece mais rápido do que seu análogo clássico, um dispositivo baseado nesse circuito terá uma vantagem quântica. A busca por tais redes superiores é uma tarefa importante enfrentada por especialistas em caminhada quântica.

Pesquisadores russos do Instituto de Física e Tecnologia de Moscou, O Instituto Valiev de Física e Tecnologia e a Universidade ITMO criaram uma rede neural que aprendeu a prever o comportamento de um sistema quântico analisando sua estrutura de rede. A rede neural encontra autonomamente soluções que são bem adaptadas para demonstrações de vantagem quântica. Isso ajudará os pesquisadores no desenvolvimento de novos computadores quânticos eficientes. As descobertas são relatadas no New Journal of Physics .

Uma ampla gama de problemas na ciência moderna é resolvida por meio de cálculos da mecânica quântica. Alguns dos exemplos são pesquisas em reações químicas e a busca por estruturas moleculares estáveis ​​para a medicina, farmacêutica e outras indústrias. A natureza quântica dos problemas envolvidos torna os cálculos quânticos mais adequados a eles. Cálculos clássicos, por contraste, tendem a retornar apenas soluções aproximadas volumosas.

O que os pesquisadores russos fizeram foi treinar um modelo de IA para distinguir entre redes e determinar se uma determinada rede tem uma vantagem quântica. Isso indica as redes que são boas candidatas para a construção de um computador quântico. A equipe usou uma rede neural voltada para o reconhecimento de imagem. Uma matriz de adjacência serviu como dados de entrada, junto com os números dos nós de entrada e saída. A rede neural retornou uma previsão de se a caminhada clássica ou quântica entre os nós dados seria mais rápida.

"Não era óbvio que essa abordagem funcionaria, mas aconteceu. Temos tido bastante sucesso no treinamento do computador para fazer previsões autônomas sobre se uma rede complexa tem uma vantagem quântica, "disse o professor associado Leonid Fedichkin, do departamento de física teórica do MIPT.

"A linha entre os comportamentos quânticos e clássicos costuma ser confusa. A característica distintiva do nosso estudo é a visão computacional para fins especiais resultante, capaz de discernir essa linha tênue no espaço da rede, "disse Alexey Melnikov, graduado do MIPT e pesquisador da ITMO University.

Com seu co-autor Alexander Alodjants, os pesquisadores criaram uma ferramenta que simplifica o desenvolvimento de circuitos computacionais baseados em algoritmos quânticos. Os dispositivos resultantes serão de interesse na pesquisa da biofotônica e na ciência dos materiais.

Um dos processos que as caminhadas quânticas descrevem bem é a excitação de proteínas fotossensíveis, como a rodopsina ou a clorofila. Uma proteína é uma molécula complexa cuja estrutura se assemelha a uma rede. Resolver um problema que envolve formalmente encontrar o tempo de caminhada quântica de um nó para outro pode realmente revelar o que acontece com um elétron em uma posição particular em uma molécula, para onde vai se mover, e que tipo de excitação isso causará.

Comparado com arquiteturas baseadas em qubits e gates, Espera-se que as caminhadas quânticas ofereçam uma maneira mais fácil de implementar o cálculo quântico de fenômenos naturais. A razão para isso é que as caminhadas em si são um processo físico natural.