Нейросеть научили определять свойства материалов на квантовом компьютере

ТАСС, 14 января. Российские ученые обучили нейросети, разработанные ранее для игровых платформ, определять характеристики магнитных материалов на квантовых компьютерах. Ранее это было невозможно сделать даже с использованием суперкомпьютеров. Об этом пишет пресс-служба Министерства науки и высшего образования (Минобрнауки).

Физики ставят перед собой задачу, во-первых, обработать огромные массивы накопленных данных об уже известных веществах, их состояниях при различных воздействиях - температурой, давлением, магнитным полем; во-вторых, предсказывать свойства новых материалов. При этом возможности классической компьютерной техники - даже суперкомпьютеров - для решения подобных задач серьезно ограничены.

Одно из возможных решений заключается в использовании квантовых компьютеров: в этом случае одна квантовая система - компьютер - имитирует другую - вещество. При этом возникает другая проблема - работающий квантовый компьютер взаимодействует с окружающей средой, из-за чего его состояние постоянно меняется и получаемый результат не соответствует идеальному ожиданию (в физике это называется "проблемой декогеренции").

Чтобы максимально уменьшить негативное воздействие внешних шумов, ученые Уральского федерального университета (УрФУ) использовали нейросети, которые ранее были разработаны для игровых платформ и способны к саморазвитию в процессе игры. В результате они смогли эффективно решать задачи на квантовом компьютере даже в присутствии эффектов декогеренции, приходя при этом к наилучшим из возможных результатов. Новизна предложенного подхода состоит также в том, что обученная нейросеть сама адаптируется к текущему состоянию квантового компьютера.

"Мы подаем "картинки" магнитных конфигураций на вход в натренированную нейросеть, она их запоминает и на выходе выдает ответ: при такой температуре, таком давлении и внешнем магнитном поле вещество будет находиться в такой фазе. Результаты выборочно сверяются с человеческими расчетами. Таким образом, нейросеть может распознавать фазы и быстрее, и точнее человека, а сам процесс обходится дешевле", - рассказал один из авторов исследования, профессор УрФУ Владимир Мазуренко.

Перспективы использования

Сейчас разработанная в УрФУ нейросеть может решать лишь самые простые проблемы - описать основные состояния магнитных кластеров небольших размеров. В дальнейшем ученые хотят расширить ее возможности для того, чтобы изучать магнитные свойства материалов, прежде всего, распознавать их фазы и состояния.

Так, в зависимости от внешних условий магнитный материал может находиться в разных фазах. Например, при низких температурах все магнитные моменты атомов располагаются в одном направлении вдоль одной оси (такие вещества называются ферромагнетиками), при повышении температуры происходит переход в фазу неупорядоченности - магнитные моменты "смотрят" в разные стороны (это парамагнетики). Кроме того, есть множество и других сложных фаз.

Количество магнитных моментов, необходимых для моделирования реальных материалов и вариантов их расположения, колоссально. Чтобы определить, в какой фазе находится материал и какими свойствами он обладает, необходимо провести гигантское количество наблюдений, замеров, трудоемких и длительных численных экспериментов. По словам Мазуренко, самое сложное - описать и количественно охарактеризовать область перехода из одной фазы в другую. Именно в этих критических областях человеку очень тяжело осмыслить и классифицировать получаемые данные численных и реальных экспериментов.

"Выход - в подключении к решению задачи искусственного интеллекта, нейросети, которая может быть обучена решению таких задач. Задействуя нейросеть, мы избавляемся от необходимости делать множество визуализаций разных состояний вещества, изучать каждую из них, рассчитывать сложные корреляционные функции, проводить глубокий численный анализ, затрачивая большой объем времени", - пояснил ученый.