Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Машинный интеллект нашел сети с квантовым ускорением
Российские ученые из МФТИ, ФТИАН и ИТМО создали нейросеть, которая научилась предсказывать поведение квантовой системы, «взглянув» на ее схему. Такая нейросеть самостоятельно находит те решения, которые хорошо подходят для демонстрации квантовых преимуществ. Это поможет исследователям разрабатывать эффективные квантовые компьютеры.
Результаты опубликованы в New Journal of Physics.
Большой круг задач современной науки решается на основе квантово-механических расчетов. Например, химические и биологические: исследования химических реакций или поиск устойчивых молекулярных структур для промышленности, медицины, фармацевтики и других областей. Для точного решения такого рода «квантовых» задач хорошо подходят квантовые вычисления, в отличие от классических, на основе которых квантовые задачи решаются в большинстве случаев лишь громоздко и приближенно.
Процесс создания квантовых вычислительных схем — трудоемкое и дорогостоящее занятие. Не всегда получившиеся устройства показывают «квантовое превосходство» — демонстрируют скорость обработки информации быстрее обычного классического компьютера. Поэтому ученым хотелось бы иметь инструмент для прогнозирования того, будет ли какая-то схема обладать квантовым преимуществом или нет.
Одной из реализаций квантовых вычислений являются квантовые блуждания. Упрощенно можно представить этот метод как перемещение частицы по определенной сети, составленной из точек-узлов и соединений между этими узлами. Такие сети и образуют схему квантовой системы.
Если квантовое перемещение частицы — блуждание — из одного узла сети в другой оказывается быстрее классического, то можно говорить, что устройство на основе такой схемы показывает квантовое преимущество. Поиск сетей, обладающих квантовым преимуществом, является важной задачей, над которой работают эксперты в области квантовых блужданий.
Идеей Алексея Мельникова, Леонида Федичкина и Александра Алоджанца было заменить эксперта машинным интеллектом: научить компьютер различать сети и давать ответ на вопрос, в каких сетях квантовые блуждания будут давать преимущество. То есть обнаружить сети на основе которых имеет смысл строить квантовый компьютер.
Исследователи взяли нейросеть, которая «специализировалась» на распознавании изображений. На вход программе подавалась матрица смежности сети и номер входного и выходного узла. На выходе нейросеть давала ответ, будет ли квантовое блуждание между этими узлами быстрее классического.
«Было неочевидно, что этот подход сработает, Но он работает, и мы очень успешно научили компьютер самостоятельно предсказывать квантовое преимущество в сетях сложной структуры», — говорит Леонид Федичкин, доцент кафедры теоретической физики МФТИ. «Грань между квантовым и классическим поведением систем зачастую размыта. Изюминкой нашей работы стало создание особого компьютерного зрения, с помощью которого удалось увидеть эту грань в пространстве сетей», — поясняет Алексей Мельников, научный сотрудник ИТМО.
Исследователи создали инструмент, позволяющий упростить разработку вычислительных схем на основе квантовых алгоритмов, основными приложениями которых должны стать биофотоника и материаловедение. Например, с помощью квантовых блужданий легко описываются возбуждение фоточувствительных белков, таких как родопсин или хлорофилл.
Белок — это в каком-то смысле сложная молекула, похожая на сеть. Задача понять, что произойдет с электроном, попавшим в какую-то точку в молекуле, как он будет двигаться и какое возбуждение вызывает, в переводе на формальный язык и есть поиск времени блуждания из одного узла сети в другой. Ожидается, что расчет естественных природных процессов на квантовых блужданиях реализовать проще, чем на архитектуре из кубитов и гейтов, так как сами блуждания — это естественный физический процесс.
Telegram 
Дзен 
VK Могут ли истории о далеких галактиках и технологиях будущего объединить человечество? Согласно новому исследованию ученых из Китая, научная фантастика, вызывающая чувство благоговения, усиливает ощущение глобальной взаимосвязи между людьми.
Американские зоологи задались вопросом: как можно улучшить условия содержания птиц в неволе? Они добавили в лабораторные клетки подстилку из искусственной травы, чтобы птица могла питаться в знакомой среде, а не из стандартной миски. Опыты проводили на воробьях — исследователи несколько недель замеряли их реакцию на стресс. Результаты показали, что искусственная трава может улучшить состояние птиц в неволе, но переселять их потом не стоит.
Ученые исходят из предположения, что гипотетическое невидимое вещество влияет на обычное не только своей гравитацией. По их мнению, частицы темной материи могут сталкиваться с атомами внутри планет, и во время этих столкновений выделяется энергия. В результате, по расчетам, на Земле должна неуклонно сокращаться продолжительность суток: на 12 секунд каждые 100 лет.
Ученые из Сколтеха исследовали разнообразие молекул, которые могут образовываться из атомов кислорода и углерода. Помимо широко известных углекислого и угарного газов, моделирование обнаружило две сотни экзотических, но относительно стабильных соединений этих двух элементов, многие из которых не были описаны ранее. Этот класс веществ представляет интерес для исследований космоса, аккумуляторных технологий, биохимии и — неожиданным образом — для разработки промышленной взрывчатки и ракетного топлива. Как оказалось, некоторые из открытых веществ при распаде будут высвобождать более 75 процентов взрывной энергии тротила.
Специалисты Школы естественных наук ТюмГУ исследовали особенности накопления меди и цинка в овсе при искусственном загрязнении почв. Ученые установили, что корневая система растения служит индикатором загрязнения, тогда как надземная часть действует как барьер для меди и одновременно как индикатор накопления цинка в органогенных почвах.
В РТУ МИРЭА разработали систему контроля и управления доступом (СКУД) на основе нейронных сетей для распознавания лиц. Эта технология предназначена для повышения безопасности на объектах с повышенными рисками, таких как критическая информационная инфраструктура в сферах энергетики, транспорта, здравоохранения, связи, финансов и промышленности, от которых зависит функционирование целых отраслей и страны.
Когда пара расстается, многие люди продолжают испытывать чувства к своим бывшим. Если разрыв произошел по инициативе другой стороны и отношения длились много лет, полностью «забыть» еще недавно близкого человека может быть непросто. Существует мнение, что и после расставания привязанность к экс-партнерам в какой-то мере сохраняется. Впрочем, согласно другой точке зрения, со временем эта эмоциональная связь ослабевает и утрачивается. Разобраться, как происходит на самом деле и сколько времени может потребоваться на полный эмоциональный разрыв с бывшими возлюбленными, взялись психологи из Иллинойсского университета в Урбане-Шампейне (США).
В двойственных, или обратимых, изображениях зритель может увидеть разные объекты в зависимости от того, на каких деталях концентрируется его внимание. Среди известных примеров таких рисунков — иллюзия «кролик-утка», сочетающая двух животных, и обратимая ваза (или ваза Рубина), которая может казаться двумя силуэтами лиц, если сосредоточиться на фоне. В соцсетях и популярных СМИ часто публикуют подобные картинки, утверждая, что по тому, какое изображение человек видит в первую очередь, можно судить о его личностных чертах и особенностях мышления. Двое психологов из Великобритании недавно проверили, так ли это на самом деле.
Масштабный анализ геномов показал, что вид Homo sapiens возник в результате смешения двух древних популяций. Они разделились полтора миллиона лет назад, а затем воссоединились до расселения по миру.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно