.
Os cientistas fizeram um avanço significativo com tecnologias quânticas que podem transformar a modelagem de sistemas complexos com uma abordagem precisa e eficaz que requer memória significativamente reduzida.
Sistemas complexos desempenham um papel vital em nossas vidas diárias, seja na previsão de padrões de tráfego, previsões meteorológicas ou na compreensão dos mercados financeiros. No entanto, prever com precisão esses comportamentos e tomar decisões informadas depende do armazenamento e rastreamento de vastas informações de eventos no passado distante – um processo que apresenta enormes desafios.
Os modelos atuais que usam inteligência artificial veem seus requisitos de memória aumentarem mais de cem vezes a cada dois anos e muitas vezes podem envolver a otimização de bilhões – ou mesmo trilhões – de parâmetros. Essas imensas quantidades de informações levam a um gargalo em que devemos negociar o custo da memória com a precisão preditiva.
Uma equipe colaborativa de pesquisadores da Universidade de Manchester, da Universidade de Ciência e Tecnologia da China (USTC), do Centro de Tecnologias Quânticas (CQT) da Universidade Nacional de Cingapura e da Universidade Tecnológica de Nanyang (NTU) propõem que as tecnologias quânticas possam fornecer uma forma de mitigar esse trade-off.
A equipe implementou com sucesso modelos quânticos que podem simular uma família de processos complexos com apenas um único qubit de memória – a unidade básica de informação quântica – oferecendo requisitos de memória substancialmente reduzidos.
Ao contrário dos modelos clássicos que dependem do aumento da capacidade de memória à medida que mais dados de eventos passados são adicionados, esses modelos quânticos precisarão apenas de um qubit de memória.
O desenvolvimento, publicado na revista Natureza Comunicaçõesrepresenta um avanço significativo na aplicação de tecnologias quânticas na modelagem de sistemas complexos.
O Dr. Thomas Elliott, líder do projeto e Dame Kathleen Ollerenshaw Fellow da Universidade de Manchester, disse: “Muitas propostas de vantagem quântica se concentram no uso de computadores quânticos para calcular as coisas mais rapidamente. reduzir o tamanho da memória que precisamos para nossos cálculos.
“Um dos benefícios dessa abordagem é que, usando o menor número possível de qubits para a memória, nos aproximamos do que é prático com as tecnologias quânticas do futuro próximo. Além disso, podemos usar quaisquer qubits extras que liberarmos para ajudar a mitigar contra erros em nossos simuladores quânticos.”
O projeto se baseia em uma proposta teórica anterior do Dr. Elliott e da equipe de Cingapura. Para testar a viabilidade da abordagem, eles uniram forças com o USTC, que usou um simulador quântico baseado em fótons para implementar os modelos quânticos propostos.
A equipe alcançou maior precisão do que qualquer simulador clássico equipado com a mesma quantidade de memória. A abordagem pode ser adaptada para simular outros processos complexos com diferentes comportamentos.
Dr. Wu Kang-Da, pesquisador de pós-doutorado na USTC e primeiro autor conjunto da pesquisa, disse: “A fotônica quântica representa uma das arquiteturas menos propensas a erros que foram propostas para a computação quântica, particularmente em escalas menores. Além disso, porque estamos configurando nosso simulador quântico para modelar um processo específico, somos capazes de ajustar nossos componentes ópticos e obter erros menores do que os típicos dos atuais computadores quânticos universais.”
Chengran Yang, pesquisador do CQT e também primeiro autor conjunto da pesquisa, acrescentou: “Esta é a primeira realização de um simulador estocástico quântico em que a propagação da informação através da memória ao longo do tempo é demonstrada de forma conclusiva, juntamente com a prova de maior precisão. do que possível com qualquer simulador clássico do mesmo tamanho de memória.”
Além dos resultados imediatos, os cientistas dizem que a pesquisa apresenta oportunidades para novas investigações, como explorar os benefícios da dissipação de calor reduzida na modelagem quântica em comparação com os modelos clássicos. Seu trabalho também pode encontrar aplicações potenciais em modelagem financeira, análise de sinais e redes neurais aprimoradas quânticas.
Os próximos passos incluem planos para explorar essas conexões e escalar seu trabalho para memórias quânticas de dimensão superior.
.
