量子計(jì)算機(jī)可以解決超出傳統(tǒng)計(jì)算機(jī)功能的復(fù)雜任務(wù)。然而，量子態(tài)對(duì)來(lái)自其環(huán)境的恒定干擾極其敏感。計(jì)劃是使用基于量子糾錯(cuò)的主動(dòng)保護(hù)來(lái)解決這個(gè)問(wèn)題。馬克斯普朗克光學(xué)研究所所長(zhǎng)Florian Marquardt及其團(tuán)隊(duì)現(xiàn)在提出了一種能夠通過(guò)人工智能學(xué)習(xí)的量子糾錯(cuò)系統(tǒng)。2016年，計(jì)算機(jī)程序AlphaGo贏得了五場(chǎng)比賽中的四場(chǎng)，對(duì)陣世界上最好的人類球員。鑒于Go游戲中的移動(dòng)組合比估計(jì)宇宙中的原子更多，這不僅僅需要純粹的處理能力。相反，AlphaGo使用人工神經(jīng)網(wǎng)絡(luò)，它可以識(shí)別視覺(jué)模式，甚至能夠?qū)W習(xí)。與人類不同，該計(jì)劃能夠在短時(shí)間內(nèi)練習(xí)數(shù)十萬(wàn)個(gè)游戲，最終超越了最優(yōu)秀的人類游戲。現(xiàn)在，位于埃爾蘭根的研究人員正在使用這種神經(jīng)網(wǎng)絡(luò)來(lái)開(kāi)發(fā)量子計(jì)算機(jī)的糾錯(cuò)學(xué)習(xí)。

人工神經(jīng)網(wǎng)絡(luò)是模擬相互連接的神經(jīng)細(xì)胞(神經(jīng)元)行為的計(jì)算機(jī)程序 - 在埃爾蘭根的研究中，大約有兩千個(gè)人工神經(jīng)元相互連接。“我們從計(jì)算機(jī)科學(xué)中獲取最新的想法并將其應(yīng)用于物理系統(tǒng)，”Florian Marquardt解釋道。“通過(guò)這樣做，我們可以從人工智能領(lǐng)域的快速進(jìn)步中獲益。”

人工神經(jīng)網(wǎng)絡(luò)可能超過(guò)其他糾錯(cuò)策略

第一個(gè)應(yīng)用領(lǐng)域是量子計(jì)算機(jī)，如最近的論文所示，其中包括埃爾蘭根馬克斯普朗克研究所博士生ThomasFösel的重要貢獻(xiàn)。在該論文中，該團(tuán)隊(duì)證明了具有AlphaGo靈感架構(gòu)的人工神經(jīng)網(wǎng)絡(luò)能夠?yàn)樽约簩W(xué)習(xí)如何執(zhí)行對(duì)未來(lái)量子計(jì)算機(jī)操作至關(guān)重要的任務(wù)：量子糾錯(cuò)。甚至有望通過(guò)充分的培訓(xùn)，這種方法將超過(guò)其他糾錯(cuò)策略。

要了解它涉及的內(nèi)容，您需要了解量子計(jì)算機(jī)的工作方式。量子信息的基礎(chǔ)是量子比特或量子比特。與傳統(tǒng)的數(shù)字比特不同，量子比特不僅可以采用零和一的兩個(gè)狀態(tài)，而且可以采用兩種狀態(tài)的疊加。在量子計(jì)算機(jī)的處理器中，甚至有多個(gè)量子位作為聯(lián)合狀態(tài)的一部分疊加。這種糾纏解釋了量子計(jì)算機(jī)在解決傳統(tǒng)計(jì)算機(jī)注定要失敗的某些復(fù)雜任務(wù)時(shí)的巨大處理能力。缺點(diǎn)是量子信息對(duì)其環(huán)境噪聲非常敏感。量子世界的這種和其他特性意味著量子信息需要定期修復(fù) - 即量子糾錯(cuò)。然而，

量子糾錯(cuò)就像是一個(gè)帶有奇怪規(guī)則的Go游戲

“你可以把量子計(jì)算機(jī)的元素想象成像Go板一樣，”Marquardt說(shuō)，他正在探討他的項(xiàng)目背后的核心理念。量子比特像棋子一樣分布在整個(gè)棋盤上。然而，與傳統(tǒng)的Go游戲存在一些關(guān)鍵差異：所有棋子都已經(jīng)分布在棋盤上，而且每一塊都是一面是白色而另一面是黑色。一種顏色對(duì)應(yīng)于狀態(tài)零，另一種顏色對(duì)應(yīng)于一種顏色，而量子圍棋游戲中的移動(dòng)則涉及將棋子翻過(guò)來(lái)。根據(jù)量子世界的規(guī)則，這些碎片也可以采用灰色混合色，代表量子態(tài)的疊加和糾纏。

當(dāng)談到玩游戲時(shí)，玩家 - 我們稱她為愛(ài)麗絲 - 做出旨在保留代表某種量子狀態(tài)的模式的動(dòng)作。這些是量子糾錯(cuò)操作。與此同時(shí)，她的對(duì)手竭盡所能摧毀這種模式。這代表了實(shí)際量子比從環(huán)境中經(jīng)受的過(guò)多干擾的恒定噪聲。此外，量子圍棋的游戲因特殊的量子規(guī)則而變得特別困難：愛(ài)麗絲不允許在比賽期間看著棋盤。任何能夠揭示量子比特狀態(tài)的瞥見(jiàn)都會(huì)摧毀游戲目前占據(jù)的敏感量子狀態(tài)。問(wèn)題是：盡管如此，她怎么能做出正確的舉動(dòng)?

輔助量子位顯示量子計(jì)算機(jī)中的缺陷

在量子計(jì)算機(jī)中，通過(guò)在存儲(chǔ)實(shí)際量子信息的量子位之間定位附加量子位來(lái)解決該問(wèn)題。可以采取偶爾的測(cè)量來(lái)監(jiān)視這些輔助量子位的狀態(tài)，允許量子計(jì)算機(jī)的控制器識(shí)別故障所在的位置，并對(duì)這些區(qū)域中的信息攜帶量子位執(zhí)行校正操作。在我們的量子圍棋游戲中，輔助量子比特將由在實(shí)際游戲棋子之間分配的附加部分來(lái)表示。允許愛(ài)麗絲偶爾看一下，但只能看這些輔助件。

在埃爾蘭根研究人員的工作中，愛(ài)麗絲的角色由人工神經(jīng)網(wǎng)絡(luò)完成。我們的想法是，通過(guò)培訓(xùn)，網(wǎng)絡(luò)將在這一角色中變得如此擅長(zhǎng)，甚至可以超越智能人類思維所設(shè)計(jì)的糾正策略。然而，當(dāng)團(tuán)隊(duì)研究一個(gè)涉及五個(gè)模擬量子比特的例子時(shí)，他們能夠證明僅有一個(gè)人工神經(jīng)網(wǎng)絡(luò)是不夠的。由于網(wǎng)絡(luò)只能收集有關(guān)量子位狀態(tài)的少量信息，或者更確切地說(shuō)是量子Go的游戲，它永遠(yuǎn)不會(huì)超越隨機(jī)試驗(yàn)和錯(cuò)誤的階段。最終，這些嘗試破壞了量子態(tài)而不是恢復(fù)它。

一個(gè)神經(jīng)網(wǎng)絡(luò)使用其先前的知識(shí)來(lái)訓(xùn)練另一個(gè)

解決方案以附加神經(jīng)網(wǎng)絡(luò)的形式出現(xiàn)，充當(dāng)?shù)谝痪W(wǎng)絡(luò)的教師。憑借其對(duì)待控制的量子計(jì)算機(jī)的先驗(yàn)知識(shí)，該教師網(wǎng)絡(luò)能夠訓(xùn)練其他網(wǎng)絡(luò) - 其學(xué)生 - 從而指導(dǎo)其成功量子校正的嘗試。然而，首先，教師網(wǎng)絡(luò)本身需要充分了解量子計(jì)算機(jī)或其要控制的組件。

原則上，人工神經(jīng)網(wǎng)絡(luò)使用獎(jiǎng)勵(lì)系統(tǒng)進(jìn)行訓(xùn)練，就像他們的自然模型一樣。提供實(shí)際獎(jiǎng)勵(lì)以通過(guò)量子誤差校正成功恢復(fù)原始量子態(tài)。“然而，如果實(shí)現(xiàn)這一長(zhǎng)期目標(biāo)的實(shí)現(xiàn)得到了回報(bào)，那么在眾多修正嘗試的階段就會(huì)來(lái)得太晚，”Marquardt解釋道。因此，位于埃爾蘭根的研究人員開(kāi)發(fā)了一種獎(jiǎng)勵(lì)系統(tǒng)，即使在培訓(xùn)階段，也會(huì)激勵(lì)教師神經(jīng)網(wǎng)絡(luò)采用有前景的策略。在量子圍棋的游戲中，這個(gè)獎(jiǎng)勵(lì)系統(tǒng)將為愛(ài)麗絲提供給定時(shí)間游戲的一般狀態(tài)的指示，而不會(huì)泄露細(xì)節(jié)。

學(xué)生網(wǎng)絡(luò)可以通過(guò)自己的行動(dòng)超越老師

“我們的第一個(gè)目標(biāo)是讓教師網(wǎng)絡(luò)學(xué)會(huì)在沒(méi)有人工協(xié)助的情況下進(jìn)行成功的量子糾錯(cuò)操作，”Marquardt說(shuō)。與學(xué)生網(wǎng)絡(luò)不同，教師網(wǎng)絡(luò)不僅可以基于測(cè)量結(jié)果而且可以基于計(jì)算機(jī)的整體量子狀態(tài)來(lái)實(shí)現(xiàn)。由教師網(wǎng)絡(luò)培訓(xùn)的學(xué)生網(wǎng)絡(luò)最初會(huì)同樣好，但通過(guò)自己的行動(dòng)可以變得更好。

除了量子計(jì)算機(jī)中的糾錯(cuò)外，F(xiàn)lorian Marquardt還設(shè)想了人工智能的其他應(yīng)用。在他看來(lái)，物理學(xué)提供了許多系統(tǒng)，可以通過(guò)人工神經(jīng)網(wǎng)絡(luò)使用模式識(shí)別。