Японские и австралийские физики моделированием доказали эффективность обучения с подкреплением для точного управления квантовыми состояниями систем.
Для эффективного использования квантовых систем для записи, хранения и обработки информации необходимы методы точного измерения состояния системы и управления ею. Проблема заключается в том, что любое взаимодействие системы с окружающей средой, включая измерения, немного изменяет ее состояние. Это приводит к ошибкам, затрудняющим управление квантовыми системами, особенно в реальном времени.
Чтобы сохранить систему в заданном состоянии, применяют системы управления с обратной связью. Такие системы реагируют на малые отклонения от нормы и возвращают систему в нужное состояние. Для простых систем можно рассчитать необходимую силу аналитически. Но для более сложных, близких к реальным системам, готового решения нет.
В эксперименте по использованию моделирования физики выяснилось, что глубокое обучение с подкреплением успешно решает поставленную задачу для системы с нелинейными свойствами. гамильтонианом— функцией, определяющей её полную энергию. Обучением с подкреплениемНазывают один метод машинного обучения, где алгоритм учится, взаимодействуя с окружением и получая от него информацию о результатах действий. В каждом цикле обучения алгоритм каким-то образом влияет на состояние квантовой системы, а затем узнает о последствиях своих воздействий.
До обучения взаимодействие было случайным, и изначально алгоритму не удавалось поддерживать систему в рабочем состоянии.
Уже к 300 циклам обучения алгоритм выполнял эту задачу сравнительно просто.
Через пять тысяч циклов амплитуда воздействий сократилась до минимума.
Ученые продемонстрировали эффективность глубокого обучения с подкреплением для возвращения системы к исходному состоянию. «состояние кота Шредингера»состояния, подобно коту из известного эксперимента. мысленном экспериментеОбучение Э Retrieval модели выполняется автономно. Авторы полагают, что в будущем иные методы ИИ также смогут применяться для управления квантовыми системами.
Статья с результатами исследования опубликована в журнале Physical Review Letters.