俄罗斯研究人员发明了一种基于人工智能的工具()，通过“观察”A的结构来预测其行为。根据发表在《新物理学杂志》(新物理学杂志)上的一项研究，神经网络可以独立地找到适合量子优越性演示的解。

这将有助于研究人员开发新的高效量子计算机。“我们在训练计算机独立预测复杂网络是否具有量子优势方面取得了相当大的成功，”美国国家实验室副教授Leonid Fedichkin说。现代科学中的很多问题都是通过量子力学计算解决的。一些例子是医学、制药和其他研究化学反应和发现稳定分子结构的行业。所涉及问题的量子本质使得量子计算更适合它们。相比之下，经典计算往往只返回巨大的近似解。制造量子计算机既昂贵又耗时，而且不能保证由此产生的设备能显示出任何量子优势。也就是说，它们比传统计算机运行得更快。因此，研究人员需要工具来预测给定的量子器件是否具有量子优势。量子计算的实现方式之一就是量子行走。简而言之，这种方法可以想象成一个在网络中运动的粒子，这就是a的基础，如果一个粒子从一个网络节点到另一个网络节点的量子行走速度比经典模拟粒子快，那么基于这种电路的器件将具有量子优势。寻找这样的超级网络是量子行走专家的重要任务。俄罗斯研究人员所做的是用人工智能取代专家。他们训练这台机器来区分网络，判断给定的网络是否会带来量子优势。这为构建量子计算机找到了合适的候选网络。研究小组使用神经网络进行图像识别。一个邻接矩阵作为输入数据，以及输入和输出节点的数量。神经网络返回给定节点之间传统步长和量子步长哪个更快的预测。Fedichkin说3360“这种方法并不明显有效，但它确实有效。”“量子行为和经典行为之间的界限经常是模糊的。我们研究的独特之处在于由此产生的专用计算机视觉，它可以识别网络空间中的这条细线，”俄罗斯ITMO大学的Alexey Melnikov补充道。研究人员开发了一种工具，以简化基于量子算法的计算电路的开发。由此产生的设备将吸引人们对生物光子学研究和材料科学的兴趣。