Um motor de carro de corrida de alta tecnologia precisa de todos os seus componentes ajustados e funcionando em conjunto com precisão para oferecer um desempenho de alta qualidade. O mesmo pode ser dito sobre o processador dentro de um computador quântico, cujos delicados bits devem ser ajustados da maneira certa antes que ele possa realizar um cálculo. Quem é o mecânico certo para este trabalho de ajuste quântico? De acordo com uma equipe que inclui cientistas do Instituto Nacional de Padrões e Tecnologia (NIST), é uma inteligência artificial, é quem.

O artigo da equipe no jornal Revisão Física Aplicada descreve uma maneira de ensinar uma IA a fazer um conjunto interconectado de ajustes a minúsculos pontos quânticos, que estão entre os muitos dispositivos promissores para a criação de bits quânticos, ou "qubits, "que formaria os interruptores no processador de um computador quântico.

Ajustar precisamente os pontos é crucial para transformá-los em qubits funcionando corretamente, e até agora o trabalho tinha que ser feito meticulosamente por operadores humanos, exigindo horas de trabalho para criar até mesmo um pequeno punhado de qubits para um único cálculo.

Um computador quântico prático com muitos qubits interagindo exigiria muito mais pontos - e ajustes - do que um ser humano poderia gerenciar, portanto, a realização da equipe pode trazer o processamento baseado em pontos quânticos mais perto do reino da teoria para a realidade projetada.

"Os teóricos da computação quântica imaginam o que poderiam fazer com centenas ou milhares de qubits, mas o problema na sala é que só podemos fazer com que apenas um punhado deles funcione de cada vez, "disse Justyna Zwolak, um matemático do NIST. "Agora temos um caminho a seguir para tornar isso real."

Um ponto quântico normalmente contém elétrons que estão confinados a um espaço semelhante a uma caixa em um material semicondutor. Formando as paredes da caixa estão vários eletrodos metálicos (os chamados portões) acima da superfície do semicondutor que têm voltagem elétrica aplicada a eles, influenciando a posição do ponto quântico e o número de elétrons. Dependendo de sua posição em relação ao ponto, as portas controlam os elétrons de maneiras diferentes.

Para fazer os pontos fazerem o que você quiser - agir como um tipo de interruptor lógico qubit ou outro, por exemplo - as tensões da porta devem ser ajustadas para os valores corretos. Esse ajuste é feito manualmente, medindo as correntes que fluem através do sistema de pontos quânticos, em seguida, alterando as tensões de porta um pouco, em seguida, verificar a corrente novamente. E quanto mais pontos (e portas) você envolve, o mais difícil é afiná-los todos simultaneamente para que você obtenha qubits que funcionem juntos corretamente.

Resumidamente, este não é um show que qualquer mecânico humano se sentiria mal por perder para uma máquina.

"Geralmente é um trabalho feito por um estudante de pós-graduação, "disse o estudante de graduação Tom McJunkin, do departamento de física da University of Wisconsin-Madison e co-autor do artigo." Eu poderia sintonizar um ponto em algumas horas, e dois podem levar um dia girando os botões. Eu poderia fazer quatro, mas não se eu precisar ir para casa dormir. À medida que este campo cresce, não podemos passar semanas preparando o sistema - precisamos tirar o humano de cena. "

Fotos, no entanto, são exatamente o que McJunkin estava acostumado a observar enquanto ajustava os pontos:os dados com os quais ele trabalhou vieram na forma de imagens visuais, que a equipe percebeu que a IA é boa em reconhecer. Algoritmos de IA chamados de redes neurais convolucionais tornaram-se a técnica ideal para classificação automatizada de imagens, contanto que sejam expostos a muitos exemplos do que precisam reconhecer. Então, Sandesh Kalantre da equipe, sob supervisão de Jake Taylor no Joint Quantum Institute, criou um simulador que geraria milhares de imagens de medições de pontos quânticos que poderiam alimentar a IA como um exercício de treinamento.

"Simulamos a configuração de qubit que queremos e a executamos durante a noite, e pela manhã temos todos os dados de que precisamos para treinar a IA para ajustar o sistema automaticamente, "Disse Zwolak." E nós o projetamos para ser usado em qualquer sistema baseado em pontos quânticos, não apenas o nosso. "

A equipe começou pequena, usando uma configuração de dois pontos quânticos, e eles verificaram que, dentro de certas restrições, sua IA treinada poderia sintonizar automaticamente o sistema para a configuração desejada. Não foi perfeito - eles identificaram várias áreas nas quais precisam trabalhar para melhorar a confiabilidade da abordagem - e ainda não podem usá-lo para sintonizar milhares de pontos quânticos interconectados. Mas, mesmo nesta fase inicial, seu poder prático é inegável, permitindo que um pesquisador qualificado gaste um tempo valioso em outro lugar.

"É uma forma de usar o aprendizado de máquina para economizar mão de obra, e, eventualmente, fazer algo que os seres humanos não são bons em fazer, "Zwolak disse." Todos nós podemos reconhecer um gato tridimensional, e isso é basicamente o que é um único ponto com algumas portas devidamente ajustadas. Muitos pontos e portas são como um gato de 10 dimensões. Um humano nem consegue ver um gato 10D. Mas podemos treinar uma IA para reconhecer um. "

Esta história foi republicada por cortesia do NIST. Leia a história original aqui.