俄罗斯科学家开发了一种机器学习系统，该系统可以预测外部干扰源将如何影响量子位的计算-量子计算机的计算模块。因此，MIPT新闻服务参考科学杂志《物理评论快报》上的一篇文章写道，这样的计算机可以更快地出现。
该研究的作者之一，MIPT雇员谢尔盖·菲利波夫（SergeyFilippov）说：“我们的算法为控制受非马尔可夫噪声（包括现代量子计算机中的量子比特）影响的开放量子系统提供了可能性。”
量子计算机被称为根据量子力学原理运行的假设计算设备。它们由qubits（存储单元和原始计算模块）组成，与普通计算机的元素相比，它们可以同时存储零和一。
近年来，物理学家已经学会了如何创建单个量子位，该量子位可以存在足够长的时间来与它们一起工作。另一方面，试图将数十个量子位组合成更复杂的结构，这些结构可能会使认真的计算几乎总是遇到很大的困难。
不可预测的量子干扰
在大多数情况下，这些困难与以下事实有关：来自测量位的数据的读取和写入受到测量仪器，邻近原子和环境其他组件的各种干扰的阻碍。现在，科学家们正试图通过将量子计算机放置在真空室中或开发量子位来解决这个问题，而物理定律可以保护量子位免受某些此类干扰。
为了了解是否有可能预测未知干扰源如何影响量子位或其他量子物体的行为，Filippov及其同事发现了如何使用机器学习系统解决此问题的方法。科学家特别感兴趣的是这类干扰的特殊类别-所谓的非马尔可夫噪声。它们对量子位的作用的性质取决于它们之前所处的状态。
为了得到这个问题的答案，科学家分析了物理学家通常在所谓的量子层析成像中收集的数据-量子位状态的多次测量。为此，科学家首次使用了机器学习系统和他们创建的模型的组合，该模型描述了量子系统连续测量的结果。
Filippov解释说：“尽管在系统上进行连续测量的结果看起来是随机的，但它们仍具有我们提出的机器学习算法可以识别的结构。作为这项工作的结果，该算法构建了一个有效的环境模型，该模型允许在系统上包含任意控制脉冲，”Filippov解释说。
研究人员希望，这种方法将帮助科学家了解测量仪器和测量本身的噪声如何影响量子比特的行为。为了创建结合了数十个或数百个类似模块的复杂量子计算机，这至关重要。