Физики УрФУ научили нейросети работать на квантовом компьютере

фото: пресс-служба УрФУ

ЕКАТЕРИНБУРГ. Исследователи Уральского федерального университета обучили нейросети, разработанные ранее для игровых платформ, решать задачи магнетизма на квантовых компьютерах. Кроме того, ученые доказали высокую эффективность нейросетей при решении сложной задачи распознавания фаз магнитных материалов. Проекты коллектива поддержаны грантом Российского научного фонда (РНФ), пресс-служба Уральского федерального университета

Программному решению с использованием нейросетей посвящен исследовательский проект УрФУ «Нейросетевой агент, играющий в спиновые игры на квантовом компьютере».

«Наша нейросеть на протяжении определенного времени самостоятельно «играет» на квантовом компьютере, - объясняет профессор УрФУ Владимир Мазуренко. - Применяя способности нейросети к саморазвитию в процессе игры, мы обучили ее эффективно решать задачи на квантовом компьютере даже в присутствии эффектов декогеренции и при этом приходить к наилучшим из возможных результатов. Обученная нейросеть сама адаптируется к текущему состоянию квантового компьютера. В этом - новизна нашего подхода».

Пока нейросети доступны самые простые проблемы - описать основные состояния магнитных кластеров небольших размеров.

«Но и эти первые шаги показывают, насколько продуктивнее работать на современных квантовых компьютерах, несмотря на то, что они пока характеризуются значительными флуктуациями на уровне результатов измерений», - добавляет ученый.

Сотрудники кафедры также специализируются на изучении магнитных свойств материалов. Важное направление в данной области - распознавание фаз, состояний, в которых находится материал (вещество).

Обучение нейросети происходит при минимальном участии человека: он готовит для нее обучающие данные, например, изображения магнитных конфигураций. В УрФУ нейросеть сначала «тренируют» на конфигурациях, которые человек классифицирует легко и однозначно, потом предлагают ей распознать сложные изображения состояний материала, все ближе и ближе к точке фазового перехода.

«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. Как это удается нейросети - отдельный вопрос, требующий дополнительных исследований, что является неотъемлемой частью любого такого проекта, как наш», - делится исследователь.

Сегодня нейросетевые технологии используются для переводов с иностранных языков, распознавания лиц, совершенствования беспилотных автомобилей. В конце 2019 года многократный южнокорейский чемпион по игре го Ли Седоль проиграл компьютерному алгоритму, разработанному лабораторией Google DeepMind, и заявил о завершении карьеры.

До этого нейросети научились играть лучше человека в классические компьютерные игры Atari2600. Все потому, уверены ученые, что нейросети, самообучающиеся в ходе многократных сеансов игры, принимают решения в режиме реального времени и могут разрабатывать свои эффективные стратегии для достижения основной цели - победы в игре.

© Служба новостей «АПИ»