Machine Learning hjalp med at vise, hvordan udnyttelse af de underlige effekter af Einsteins specielle relativitet kunne muliggøre en ny slags kvantecomputer – og det kan også føre til ny indsigt i kvanteområdet
De ulige virkninger af særlig relativitet kan udnyttes til at opbygge kvantecomputere
Særlig relativitet kunne udnyttes til at opbygge en ny kvantecomputer, og at skabe den på denne måde kunne lade os bruge maskinlæring til at uddybe vores forståelse af kvanteområdet.
Albert Einsteins teori om særlig relativitet beskriver, hvordan det at bevæge sig tæt på lysets hastighed ville påvirke rejsendes oplevelse af rum og tid. Disse indsigter giver os ikke kun tankeeksperimenter; De er afgørende for teknologier som satellitkommunikation og GPS.
Nu siger T. Rick Perche ved omkredsinstituttet for teoretisk fysik i Canada og hans kolleger, at sådanne relativistiske effekter kunne hjælpe med at udvikle en bestemt slags kvantecomputer. Og de konstruerede den mest komplette og detaljerede matematiske model endnu til opbygning af en.
Tidligere har forskere undersøgt, hvordan nogle kvanteberegningsoperationer kunne opstå fra relativistiske effekter. For eksempel kan to kvantebits eller qubits blive forbundet gennem kvanteforvikling, når de bevæger sig ved siden af hinanden ekstremt hurtigt. Men indtil nu var der ingen “opskrift” på, hvordan man kombinerer alle disse operationer i en fuld matematisk model af en computer.
”Det var som om de sagde ‘Hej, vi har melet, vi har vandet, vi har gæren, det er helt klart muligt at fremstille brød.’ Og vi detaljerede virkelig, hvor meget gær, hvor meget mel, hvad er rækkefølgen, hvor meget vand, ”siger Perche.
Han og hans kolleger vendte sig mod matematikken i relativistisk kvanteinformationsteori, der forklarer, hvordan ultrahurtig bevægelse og interaktioner kan redigere de oplysninger, der er kodet i qubits. Det tager også højde for virkningerne af interaktioner mellem qubits og kvantefelterne, der gennemsyrer al plads.
Forskerne brugte også maskinlæring og skrev korte kvanteberegningsprogrammer selv. Derefter brugte de en algoritme til at finde ud af, hvordan kvantecomputerens qubits skulle flytte for at køre disse programmer.
Forskerne testede deres metode ved at bestemme, hvordan deres relativistiske kvantecomputer kunne køre Quantum Fourier Transform -algoritmen. Dette er et relativt enkelt, men allestedsnærværende program, som alle kvanteberegningsforskere ville finde nyttige, siger Philip Lemaitre ved University of Innsbruck i Østrig, der arbejdede med projektet. For eksempel er det en del af Shors algoritme, et kvanteprogram med potentialet til at knække kryptering ved at faktorere stort antal.
Eduardo Martin-Martinez ved University of Waterloo i Canada, som ikke var en del af teamet, siger, at det nye værk er et betydeligt spring fremad for relativitetsbaserede kvantecomputere. ”Forfatterne demonstrerer omhyggeligt og systematisk, at en sådan ordning faktisk er levedygtig,” siger han.
Tidligere undersøgelser har antydet, at nogle versioner af relativistiske kvantecomputere faktisk kunne bygges med qubits lavet af små superledende kredsløb. Lemaitre siger, at hans holds ordning ikke nødvendigvis er uforenelig med, hvordan kvantecomputere er bygget i dag – men der er år værdier af teoretiske og tekniske detaljer, der skal udstreges, før en relativistisk kvantecomputer kan laves.
Allerede før det siger Martin-Martinez, at modellen kunne føre til nye forståelser af både kvanteinformationsbehandling og kvantefelter-og tilbyder en dyb måde at forbinde de to på.
Da maskinlæring allerede er en del af deres tilgang, ønsker forskerne at undersøge, hvordan det kunne bruges til at lære nye egenskaber ved kvantefelter eller måske endda afsløre nye fysiklove, som disse felter skal følge.