جدیدترین مطالعه؛
اولین دریافتند که چگونه ابزارهای ماشین، که رایانه های کلاسیک اجرا می شوند، می توانند برای پیش بینی سیستم های کوانتومی استفاده شوند و در نتیجه به حل برخی از پیچیده ترین مسائل فیزیکی و شیمی کمک کنند.
به گزارش گروه دانش و فناوری خبرگزاری آنا به نقل از (سایت تک دیلی)، فیزیکدانان ثابت میکنند که مدلهای ماشین کلاسیک میتوانند پیش بینیهای مربوط به مواد کوانتومی را بهبود بخشند.
کامپیوترهای کوانتومی سر و صدای زیادی ایجاد کرده اند و دلیل خوبی هم دارد. کامپیوترهای آینده نگر برای تقلید از آنچه در طبیعت در مقابل میکروسکوپی ایفا است. ای دان ن ه ه ه ه ه ق ک ک ا ا ا خشی خشی خشی ا ا ز ز ز ز ز از زاد سائی ازگار را یگ ر ر ر. با این حال، نظرات میگویند که هنوز یک دهه یا بیشتر باقی مانده تا راسان میی کامپیو ککیک در این بین محققین چه کاری باید انجام دهد؟
یک مطالعه جدید توضیح میدهد که چگونه ابزارهای میسازند، که روی رایانههای کلاسیک اجرا میشوند، میتوانند برای پیشروی سیستمهای کوانتومی استفاده شوند و بنابراین به کمک میتوانند تا برخی از پیچیدهترین مسائل فیزیکی و شیمی را حل کنند. در حالی که این مفهوم اولین بار ارائه شده بود، گزارش جدید گزارشی است که از نظر ریاضی ثابت میشود که این روش در مسائل کار میکند که هیچ الگوریتم سنتی قادر به حل آن نیست. این مطالعه به رهبری Caltech در ۲۳ سپتامبر در مجله Science منتشر شد.
ه یان (اگ ه ص ص ص اص ای ق ق ق ه: رایاه کان بان او یک دانشجوی کارشناسی ارشد است که با جان پرسکیل، استاد فیزیک نظری ریچارد پی فاینمن و رئیس آلن وی سی دیویس و لنابل دیویس در موسسه علوم و فناوری کوانتومی (IQIM) کار می کند. اما آه ز کام ً آ جا ی ای و از ی ای ر های کایک ماگی ماشی ران ران ر ای اه در نهایت، این مقاله در مورد نشان دادن آنچه که انسانها میتوانند در مورد دنیای فیزی باشند
جان پی. پرسکیل، ریچارد پی. فای، اسد ظ د کال ی ی: ط ط پی، جهان ه کای ب ی ی ی ی ق ق ا ای. در این قلمرو، ذرات میتوانند در یک برهم نهی از حالت ها، یا به طور همزمان در این قلمرو، قرار بگیرند. و ب هی اال ه ه ا ا ا ه ه ه د ، ی ی ی ی ی ی ات ی ات ت یاس توصیف این حالات و ارتباطات عجیب و غریب و غریب که در مواد طبیعی و ساختن ازاطات عجیب و غریب که در
هوانگ میگوید: «پیش بینی وضعیت کم انرژی یک ماده بسیار سخت است. «تعداد عظیمی از اتمها وجود دارد، و آنها روی هم قرار گرفته و در هم پیچیده شده اند. شما نمیتوانید معادلهای را بنویسید که همه آن را توصیف کنید. “
طال ج شان ا ای اایش یاضی ا ات ی ان از شیاگی کایک رای ر شک اف ی شک شک اف ی م ای کان یاگی ماشی که ز از ز ه ه ه ص ی د گ ی ی ن ن اه کاب ا اس
پرسکیل میگوید: ما موجودات کلاسیکی هستیم که در دنیای کوانتومی زندگی میکنیم. مغز و کامپیوترهای ما کلاسیک هستند و این کامپیوتر ما را برای تعامو درمک واقکیت ی.
چندین مطالعه قبلی نشان دادهاند مدلهای ماشینی برای حل برخی از مسائل کوانتومی را دارند، اما این روشها معمولاً به گونهای عمل میکنند که میتوانند به وسیله آن ماشینها را به راههایی برسانند که راههای خود را برای کشف مشکلات میکنند.
«به طور معمول، وقتی صحبت از ماشینی میشود، نمیدانید ماشین اچگونه مشکل ماشینی ادگیری ماشینی است. هوانگ میگوید این یک جعبه سیاه است. اما اکنون ما اساساً از طریق تحلیل و تحلیل ریاضی و شبیه سازی های عددی متوجی شده در جیه شده. هاگ و کاراش ش سای زیای عای رای آه م کاب راب ای کان ر Caltech اجاد تایج هار ه.
تراشه Sycamore گوگل، یک کامپیوتر کوانتومی، در داخل کرایوستات کوانتومدی خود خنک نگه داشتن وتراشه Sycamore
جدید به کمک میکند تا مراحل پیچیده و عجیب و غریب و ماده دهانتومی را مطالعه کنید.
پ ضی ضی ضی: «« ای ای که ف افای حات کان ی آز آزایشگ اهاد ی م ا ات هاآآ اما اکنون میتوانیم کلاسیک منطقی را توضیح دهیم. ماشینهای کلاسیک فقط مانند یک اوراکل به ما پاسخ نمیدهند، بلکر نا را به سمت میک کاشینهای کلاسیک فقط مانند یک اوراکل به ما هستند.
ویکتور وی. آلبرت، فیزیکدان NIST (موسه ملی استانداردها و فناوری) و محقق سابق دوره فون وق دکتری ککتری کایزه آلبرت، فیزیکدان NIST “بخشی از من را در مورد این کار هیجان انگیز تر می کند این است که ما اکنون به ابزاری نزدیک می شویم که به شما کمک می کند فاز اساسی یک حالت کوانتومی را بدون نیاز به چیزهای زیادی در مورد آن حالت قبل از درک کنید.”
اب ، های ، اَش شان ی ا ا ازای یاگی ماگی م ک ک ا ای ز ز از های ه هایک ه. در یک مطالعه مرتبط که در 10 ژوئن 2022 در Science منتشر شد، Huang، Preskill و همکارانشان گزارش دادند که از رایانه Sycamore گوگل، یک کامپیوتر کوانتومی ابتدایی، برای ارائه نشان برتری ماشین کوانتومی نسبت به ویژگیهای کلاسیک استفاده کردهاند.
هوانگ میگوید: ما هنوز در ابتدای راه هستیم. اما ما میدانیم که ماشین کوانتومی در نهایت کارآمدترین خواهد بود.
انتهای پیام/