Китайская исследовательская группа применила ИИ для расчета оптимального способа быстрой сборки атомных решеток, которые могут стать «мозгом» квантового компьютера будущего. Результаты работы опубликованы в журнале Physical Review Letters.
ИИ помогает собрать «мозг» квантового компьютера
Ученые из Китайского университета науки и технологий в Хэфэе использовали модель искусственного интеллекта для быстрой сборки атомных решеток — основы будущих квантовых компьютеров.
Квантовые вычислительные кубиты расположены в виде сетки на этой иллюстрации художника. Getty
Нейтральные атомы для квантовых вычислений нужно охлаждать до экстремально низких температур — обычно до миллионных долей градуса выше абсолютного нуля, около -273°C. При комнатной температуре атомы движутся хаотично со скоростями сотни метров в секунду. Для квантовых вычислений атомы должны быть практически неподвижными. Охлаждение замедляет их до скоростей сантиметры в секунду. Потом атомы тормозят лазерным охлаждением и используют магнитные ловушки. Только после этого холодные, медленные атомы можно точно захватывать лазерными пинцетами и расставлять в нужные позиции. ИИ помогает оптимизировать самый последний этап — быстро и точно расставить уже охлажденные атомы в нужную конфигурацию.
Команда продемонстрировала скорость своей модели, создав крошечную анимацию кота Шредингера из перестраиваемых атомов.
Процесс сборки «кота Шредингера» с помощью ИИ-модели, управляющей лазерными пинцетами. Lin et al.,
Соавтор исследования Цзянь-Вэй Пан говорит: «ИИ становится мощной парадигмой для решения сложных научных проблем». Одной из главных проблем использования атомных массивов в квантовых вычислениях является поиск способа их перестройки «эффективным, быстрым и масштабируемым образом», отмечает Пан.
Лазерная сборка под управлении ИИ
Классические компьютеры выполняют операции с помощью двоичных битов, закодированных как 1 или 0. Квантовые компьютеры используют кубиты, которые могут находиться в суперпозиции — состоянии одновременного существования 1 и 0. Вычисления включают запутывание кубитов, при котором их состояния становятся связанными.
Схемы расположения до/после массива 5×5 одиночных атомов в двумерной плотноупакованной конфигурации.
Исследователи создают кубиты из различных материалов — сверхпроводящих схем, захваченных ионов и решеток нейтральных атомов. Последние ценятся за их способность длительно поддерживать квантовые состояния. Ученые захватывают атомы лазерным пинцетом и сохраняют квантовую информацию в энергетических уровнях их электронов.
Команда Пана обучила ИИ-модель на различных распределениях атомов рубидия и способах их перестройки в разные конфигурации с помощью лазерного света. В зависимости от начального расположения атомов модель быстро вычисляла правильный световой паттерн для их перестройки в двумерные и трехмерные формы.
Исследователи собрали массив из 2024 атомов рубидия всего за 60 миллисекунд. Для сравнения: другая группа в прошлом году собрала около 800 нейтральных атомов без использования ИИ за целую секунду — в 15 раз медленнее.
Типичная установка массива атомов. Луч статической ловушки отражается от SLM (пространственного модулятора света), который наносит на луч отпечаток массива статических ловушек. Затем луч статической решетки проходит через поляризационный расщепитель луча (PBS), где он объединяется с лучами динамического пинцета, используемого для расположения атомов.
Создание правильного светового паттерна для организации атомных массивов обычно требует множества сложных вычислений. С ростом размера массива эти расчеты занимают все больше времени. Поэтому коллеги высоко оценили новую работу, отмечая ее потенциал для создания лучших алгоритмов перестройки крупномасштабных массивов.
Полнофункциональный квантовый компьютер на основе нейтральных атомов пока остается далекой перспективой. Для сложных вычислений с минимальными ошибками потребуется около миллиона атомов — значительно больше, чем несколько тысяч в текущем исследовании. Однако Пан уверен, что ИИ-модель справится с масштабированием: добавление атомов не создаст задержек в «мыслительном процессе» ИИ, что делает метод «легко масштабируемым до 10000 или даже 100000 атомов в будущем», — считает ученый.