Квантовая память оказывается чрезвычайно мощной

Нелегко изучать квантовые системы — совокупности частиц, которые подчиняются неинтуитивным правилам квантовой механики. Принцип неопределенности Гейзенберга, краеугольный камень квантовой теории, гласит, что невозможно одновременно измерить точное положение и скорость частицы. Эта информация очень важна для понимания того, что происходит.

Например, чтобы изучить определенный набор электронов, исследователи должны разобраться в этом. Они могут взять ящик с электронами, нанести ему удар разными способами, а затем сделать снимок того, как он выглядит в конечном итоге. При этом они надеются восстановить действующую внутреннюю квантовую динамику.

Но есть проблема: они не могут измерить все свойства системы одновременно. Так они повторяют. Они начнут со своей системы, затем сохранят ее, а затем измерят. Потом они сделают это снова. На каждой итерации они будут измерять новый набор свойств. Создайте достаточное количество снимков, и алгоритмы машинного обучения помогут восстановить все свойства исходной системы или, по крайней мере, максимально приблизиться к ним.

Это утомительный процесс. Но теоретически квантовые компьютеры могут помочь. Эти машины, работающие по квантовым правилам, потенциально могут намного лучше обычных компьютеров моделировать работу квантовых систем. Они также могут хранить информацию не в классической двоичной памяти, а в более сложной форме, называемой квантовой памятью. Это позволяет получить более богатое и точное описание частиц. Это также означает, что компьютер может хранить в своей рабочей памяти несколько копий квантового состояния.

Несколько лет назад команда из Калифорнийского технологического института Проверенный Некоторым алгоритмам, использующим квантовую память, требуется значительно меньше снимков, чем алгоритмам, которые этого не делают. Их метод был большим достижением, но требовал относительно большого объема квантовой памяти.

Это нарушает условия сделки, потому что на практике квантовую память трудно найти. Квантовый компьютер состоит из взаимосвязанных квантовых битов, называемых кубитами. Кубиты могут использоваться для вычислений или памяти, но не для того и другого.

Теперь две независимые команды придумали способы справиться с гораздо меньшей квантовой памятью. В первом бумага, Сейтан Ченученый из Гарварда, и его соавторы показали, что всего две версии квантового состояния могут значительно сократить количество раз, когда вам нужно сделать снимок вашей квантовой системы. Другими словами, квантовая память почти всегда стоит вложений.

«Эти два или три повторных измерения более эффективны, чем можно подумать», — сказал он. Ричард Кенигученый-компьютерщик из Университета Иоганна Кеплера в Линце в Австрии.

Чтобы доказать это, Чен и его коллеги объединили теорию информации — область математики, изучающую передачу и обработку информации, со специализированными методами, используемыми в квантовой коррекции ошибок, и классическим моделированием квантовых вычислений.

На следующий день эта работа появилась на научном сайте arxiv.org, группа из Google Quantum AI в Венеции, Калифорния, опубликовала Еще один лист который пришел к такому же выводу. Эта работа была сосредоточена на приложениях в квантовой химии.

Объединенные результаты также говорят о более фундаментальной цели. На протяжении десятилетий сообщество квантовых компьютеров пыталось создать квантовое преимущество — задачу, которую могут выполнить квантовые компьютеры, в то время как классическим компьютерам это удается с трудом. Обычно исследователи понимают, что квантовое преимущество означает, что квантовый компьютер может выполнить задачу за гораздо меньшее количество шагов.

Новое исследование показывает, что квантовая память позволяет квантовому компьютеру выполнять задачу не обязательно с меньшим количеством шагов, но с меньшим количеством данных. В результате исследователи полагают, что это само по себе может быть способом продемонстрировать квантовое преимущество. «Это позволит нам в ближайшем будущем достичь такого рода квантового преимущества», — сказал он. Синь Юань Хуанфизик из Google Quantum AI.

Но исследователи воодушевлены и практическими преимуществами, поскольку новые результаты облегчают понимание сложных квантовых систем.

«Мы приближаемся к вещам, которые люди действительно хотят измерить в этих физических системах», — сказал он. Джаррод Маклинученый-компьютерщик из Google Quantum AI.