量子计算机可以解决传统计算机无法完成的复杂任务。然而,量子态(quantum states)对来自外界的持续干扰极其敏感。研究人员希望使用基于量子纠错(quantum error correction)的主动保护来解决这个问题。
近日,德国马克斯·普朗克光学研究所所长Florian Marquardt及其团队在物理期刊physical review X上发表论文Reinforcement Learning with Neural Networks for Quantum Feedback,提出一种基于人工智能算法的量子纠错系统。
2016年,人工智能程序AlphaGo在围棋比赛中击败了世界上最强的人类棋手,举世瞩目。鉴于一局围棋中的移动组合比估计的宇宙中的原子的数量更多,它需要的不仅仅是处理能力。相反,AlphaGo利用了人工神经网络,它可以识别视觉模式,甚至能够学习。与人类不同,AlphaGo能够在短时间内练习下数十万局围棋,最终得以超越最优秀的人类棋手。
马克斯·普朗克研究所的研究人员正试图利用这种神经网络为量子计算机开发纠错学习的系统。
人工神经网络是一种模拟相互连接的神经细胞(神经元)行为的计算机程序——在这项研究中,大约有2000人工神经元相互连接。
“我们从计算机科学中获取最新的想法,并将其应用到物理系统,”Florian Marquardt说:“这样,我们可以从快速进步的AI领域获益。”