Wissenschaftler haben mit Quantentechnologien einen bedeutenden Fortschritt erzielt, der die Modellierung komplexer Systeme mit einem genauen und effektiven Ansatz verändern könnte, der deutlich weniger Speicher erfordert.
Komplexe Systeme spielen in unserem täglichen Leben eine entscheidende Rolle, sei es bei der Vorhersage von Verkehrsmustern, Wettervorhersagen oder dem Verständnis von Finanzmärkten. Um diese Verhaltensweisen genau vorherzusagen und fundierte Entscheidungen zu treffen, müssen jedoch umfangreiche Informationen über Ereignisse in der fernen Vergangenheit gespeichert und verfolgt werden – ein Prozess, der große Herausforderungen mit sich bringt.
Bei aktuellen Modellen, die künstliche Intelligenz nutzen, steigt der Speicherbedarf alle zwei Jahre um mehr als das Hundertfache und kann oft eine Optimierung über Milliarden – oder sogar Billionen – von Parametern erfordern. Solche immensen Informationsmengen führen zu einem Engpass, bei dem wir Speicherkosten gegen Vorhersagegenauigkeit abwägen müssen.
Ein gemeinsames Forscherteam der University of Manchester, der University of Science and Technology of China (USTC), des Centre for Quantum Technologies (CQT) der National University of Singapore und der Nanyang Technological University (NTU) schlägt vor, dass Quantentechnologien dies ermöglichen könnten eine Möglichkeit, diesen Kompromiss abzumildern.
Das Team hat erfolgreich Quantenmodelle implementiert, die eine Familie komplexer Prozesse mit nur einem einzigen Qubit Speicher – der Grundeinheit der Quanteninformation – simulieren können, was einen erheblich reduzierten Speicherbedarf bietet.
Im Gegensatz zu klassischen Modellen, die auf einer Erhöhung der Speicherkapazität basieren, wenn mehr Daten aus vergangenen Ereignissen hinzugefügt werden, benötigen diese Quantenmodelle immer nur ein Qubit Speicher.
Die Entwicklung, veröffentlicht in der Zeitschrift Naturkommunikationstellt einen bedeutenden Fortschritt in der Anwendung von Quantentechnologien in der Modellierung komplexer Systeme dar.
Dr. Thomas Elliott, Projektleiter und Dame Kathleen Ollerenshaw Fellow an der Universität Manchester, sagte: „Viele Vorschläge für Quantenvorteile konzentrieren sich auf den Einsatz von Quantencomputern, um Dinge schneller zu berechnen. Wir verfolgen einen komplementären Ansatz und schauen uns stattdessen an, wie Quantencomputer uns helfen können.“ Reduzieren Sie die Größe des Speichers, den wir für unsere Berechnungen benötigen.
„Einer der Vorteile dieses Ansatzes besteht darin, dass wir durch die Verwendung so weniger Qubits wie möglich für den Speicher näher an das herankommen, was mit Quantentechnologien der nahen Zukunft praktisch ist Fehler in unseren Quantensimulatoren.
Das Projekt baut auf einem früheren theoretischen Vorschlag von Dr. Elliott und dem Team aus Singapur auf. Um die Machbarkeit des Ansatzes zu testen, schlossen sie sich mit USTC zusammen, das einen photonenbasierten Quantensimulator zur Umsetzung der vorgeschlagenen Quantenmodelle verwendete.
Das Team erreichte eine höhere Genauigkeit, als dies mit jedem klassischen Simulator mit der gleichen Speicherkapazität möglich wäre. Der Ansatz kann angepasst werden, um andere komplexe Prozesse mit unterschiedlichem Verhalten zu simulieren.
Dr. Wu Kang-Da, Postdoktorand am USTC und Mitautor der Studie, sagte: „Die Quantenphotonik stellt eine der am wenigsten fehleranfälligen Architekturen dar, die für Quantencomputing vorgeschlagen wurden, insbesondere in kleineren Maßstäben. Darüber hinaus, weil.“ „Wir konfigurieren unseren Quantensimulator so, dass er einen bestimmten Prozess modelliert. Wir sind in der Lage, unsere optischen Komponenten fein abzustimmen und kleinere Fehler zu erzielen, als es bei aktuellen universellen Quantencomputern üblich ist.“
Dr. Chengran Yang, wissenschaftlicher Mitarbeiter am CQT und ebenfalls Erstautor der Studie, fügte hinzu: „Dies ist die erste Realisierung eines quantenstochastischen Simulators, bei dem die Ausbreitung von Informationen durch das Gedächtnis über die Zeit schlüssig demonstriert wird, zusammen mit dem Beweis einer höheren Genauigkeit.“ als mit jedem klassischen Simulator gleicher Speichergröße möglich ist.
Über die unmittelbaren Ergebnisse hinaus bieten die Wissenschaftler nach Ansicht der Wissenschaftler Möglichkeiten für weitere Untersuchungen, beispielsweise die Erforschung der Vorteile einer geringeren Wärmeableitung bei der Quantenmodellierung im Vergleich zu klassischen Modellen. Ihre Arbeit könnte auch potenzielle Anwendungen in der Finanzmodellierung, Signalanalyse und quantenverstärkten neuronalen Netzen finden.
Zu den nächsten Schritten gehören Pläne zur Erforschung dieser Zusammenhänge und zur Skalierung ihrer Arbeit auf höherdimensionale Quantenspeicher.