Моделирование квантовых систем с нейронными сетями

Даже в масштабах повседневной жизни природа подчиняется законам квантовой физики. Эти законы объясняют обычные явления, такие как свет, звук, тепло или даже траектории шаров на бильярдном столе. Но применительно к большому количеству взаимодействующих частиц законы квантовой физики фактически предсказывают множество явлений, которые не поддаются интуиции.

Чтобы изучать квантовые системы, состоящие из множества частиц, физики должны сначала уметь их моделировать. Это может быть сделано путем решения уравнений, описывающих их внутреннюю работу на суперкомпьютерах. Но хотя закон Мура предсказывает, что вычислительная мощность компьютеров удваивается каждые несколько лет, это далеко от мощности, необходимой для решения задач квантовой физики.

Причина в том, что прогнозирование свойств квантовой системы является чрезвычайно сложным, требующим вычислительной мощности, которая экспоненциально возрастает с размером квантовой системы — «внутренне сложная» задача, считает профессор Винченцо Савона, который руководит Лабораторией теоретических исследований. Физика наносистем в ЭПФЛ.

«Все становится еще сложнее, когда квантовая система открыта, а это означает, что она подвержена нарушениям окружающей среды», — добавляет Савона. И все же инструменты для эффективного моделирования открытых квантовых систем крайне необходимы, поскольку большинство современных экспериментальных платформ для квантовой науки и техники являются открытыми системами, и физики постоянно ищут новые способы моделирования и сравнения их.

Но значительный прогресс был достигнут благодаря новому вычислительному методу, который моделирует квантовые системы с нейронными сетями. Этот метод был разработан Савоной и его аспирантом Александрой Наги в EPFL — и независимо друг от друга учеными из Университета Парижа Дидро, Университета Хериот-Ватта в Эдинбурге и Института Флатирон в Нью-Йорке. Общий объем работ публикуется в трех статьях в Physical Review Letters.

«Мы в основном объединили достижения в области нейронных сетей и машинного обучения с квантовыми инструментами Монте-Карло», — говорит Савона, имея в виду большой набор вычислительных методов, которые физики используют для изучения сложных квантовых систем. Ученые обучили нейронную сеть для одновременного представления множества квантовых состояний, в которые может воздействовать квантовая система под воздействием окружающей среды.

Нейросетевой подход позволил физикам предсказать свойства квантовых систем значительных размеров и произвольной геометрии. «Это новый вычислительный подход, который решает проблему открытых квантовых систем с универсальностью и большим потенциалом для расширения», — говорит Савона. Метод должен стать предпочтительным инструментом для изучения сложных квантовых систем и, заглядывая немного в будущее, для оценки влияния шума на квантовую аппаратную часть.