By ساندرا هلسل ارسال شده در 18 اوت 2022
خلاصه اخبار کوانتومی امروز با تحلیل سام موگل، مدیر ارشد فناوری Multiverse در مورد نقش محاسبات کوانتومی در پیش‌بینی و جلوگیری از رکود اقتصادی آتی، و به دنبال آن نگاه تریستان گرین به اختلاف اخیر بین یافته‌های هوش مصنوعی کوانتومی DeepMind و تکذیب دانشمندان روسی و کره‌ای مبنی بر اینکه این یافته‌ها دقیق یا مرتبط نیستند، آغاز می‌شود. . این با نگاهی به تمرکز مرکز علوم کوانتومی بر محاسبات کوانتومی توپولوژیکی و موارد دیگر دنبال می‌شود.
*****
آیا محاسبات کوانتومی می تواند رکود اقتصادی را بهتر پیش بینی و از آن جلوگیری کند؟
سام موگل، Ph.D.، CTO محاسبات چندجهانی، اخیرا در فوربس نوشته است در مورد مزایای بالقوه محاسبات کوانتومی در پیش‌بینی و در نتیجه پیش‌بینی رکود اقتصادی. خلاصه اخبار کوانتوم در اینجا خلاصه می شود.
مقاله موگل با ترس فزاینده از رکود اقتصادی به موقع است. اقتصادهای جهانی در حال پاسخگویی به فشارهای در حال تحول مربوط به همه گیری جهانی، اختلالات زنجیره تامین، درگیری های ژئوپلیتیکی و بالاترین نرخ تورم در دهه های اخیر هستند. ارائه بینش به سازمان ها در مورد رفتار اقتصادها ارزش زیادی دارد، با این حال ما به طور قابل توجهی در پیش بینی بحران های اقتصادی ضعیف هستیم.
اقتصادها شبکه‌هایی دارند که به طور مداوم در حال تکامل هستند که شامل چندین بازیگر و دارایی می‌شود. این پیچیدگی پیکربندی‌های احتمالی همان چیزی است که مدل‌سازی مؤثر آنها را حتی در هنگام استفاده از قوی‌ترین ابررایانه‌های امروزی دشوار می‌کند.
توجه به استفاده از کوانتوم به‌عنوان ابزاری برای تدوین مشکلات کمی اقتصاد کلان معطوف می‌شود و نشان می‌دهد که چگونه ثروت در طول زمان در پاسخ به تغییرات یا آشفتگی‌های درون شبکه مالی تکامل می‌یابد. قبلاً نشان داده شده است که آنیل‌کننده‌های کوانتومی، دستگاه‌هایی که در ابتدا برای حل مسائل پیچیده بهینه‌سازی ساخته شده‌اند، برای این کار مناسب هستند.
همانطور که ابزارهای شبیه‌سازی شبکه‌های پیچیده در دهه آینده بیشتر توسعه می‌یابند، بانک‌های مرکزی و موسسات مالی برای بهبود انعطاف‌پذیری اقتصادی بسیار مجهزتر خواهند بود. بینش در مورد آسیب پذیری ها به محافظت از موسسات مالی و نهادهایی مانند صندوق های بازنشستگی در برابر شوک رویدادهای استثنایی که احتمالاً در طول عمر پرتفوی ها رخ می دهد کمک می کند. همچنین به بانک‌های مرکزی کمک می‌کند تا دفاع بهتری در برابر تلاش‌های آینده برای تسلیح کردن اقتصاد داشته باشند.
موگوئل نتیجه می گیرد: «در حالی که محاسبات کوانتومی برای تحقق پتانسیل کامل خود فاصله زیادی دارد، این فناوری در حال حاضر بینش های ارزشمند جدیدی ایجاد می کند و به راه حل هایی در پیش بینی و ثبات بازار اشاره می کند، جایی که قبلاً وجود نداشت.» مقاله اصلی موگل را اینجا بخوانید.
*****
DeepMind با دانشمندان روسی که یافته های تحقیقات هوش مصنوعی کوانتومی را به چالش کشیدند، مخالف است
تریستان گرین از NextWeb's Neural اختلاف اخیری را پوشش داد که DeepMind، یک شرکت تحقیقاتی Alphabet مستقر در لندن، هشت ماه پیش مقاله تحقیقاتی جالبی را منتشر کرد که در آن ادعا می‌کرد چالش بزرگ «شبیه‌سازی ماده در مقیاس کوانتومی با هوش مصنوعی» را حل کرده است. ” اکنون، گروهی از محققان دانشگاهی از روسیه و کره جنوبی ممکن است مشکلی را در تحقیقات اصلی کشف کرده باشند که کل نتیجه‌گیری مقاله را زیر سوال می‌برد. خلاصه اخبار کوانتوم در زیر خلاصه می شود. بررسی اصلی و گسترده گرین از این اختلاف نظر می توان در اینجا به عنوان خوانده شده.
در ماه دسامبر، DeepMind منتشر کرد یک کاغذ با عنوان "فشار مرز توابع چگالی با حل مسئله الکترون کسری." در این مقاله، تیم DeepMind ادعا می‌کند که روش‌های فعلی را برای مدل‌سازی رفتار کوانتومی از طریق توسعه یک شبکه عصبی به‌شدت بهبود بخشیده است.
مقاله DeepMind مراحل اولیه و رسمی بررسی را طی کرد. اکنون، در آگوست 2022، تیمی متشکل از هشت نفر از دانشگاهیان روسیه و کره جنوبی منتشر کرده اند یک نظر زیر سوال بردن نتیجه DeepMind
طبق بیانیه مطبوعاتی موسسه علم و فناوری Skolkovo:توانایی DeepMind AI برای تعمیم رفتار چنین سیستم هایی از نتایج منتشر شده ناشی نمی شود و نیاز به بازبینی دارد."
به نظر ما، بهبود عملکرد DM21 در مجموعه داده تست BBB نسبت به DM21m ممکن است ناشی از یک دلیل ساده‌تر باشد: همپوشانی ناخواسته بین مجموعه داده‌های آموزشی و آزمایشی.
اگر این درست باشد، به این معنی است که DeepMind در واقع به یک شبکه عصبی برای پیش‌بینی مکانیک کوانتومی آموزش نداده است. دانشگاهیان در حال مناقشه هستند که چگونه هوش مصنوعی DeepMind به نتایج خود رسیده است. DeepMind به سرعت پاسخ داد. این شرکت پاسخ خود را در همان روز با اظهار نظر منتشر کرد و یک توبیخ فوری و قاطع ارائه کرد:
ما با تجزیه و تحلیل آنها مخالفیم و معتقدیم که نکات مطرح شده یا نادرست است یا به نتایج اصلی مقاله و ارزیابی کیفیت کلی DM21 مربوط نمی شود.
گرین با یک پیش‌بینی تحریک‌آمیز پایان می‌دهد: «در نهایت، همانطور که سیستم‌های هوش مصنوعی به مقیاس‌پذیری ادامه می‌دهند، می‌توانیم به نقطه‌ای برسیم که دیگر ابزار لازم برای درک نحوه عملکرد آنها را نداشته باشیم. وقتی این اتفاق می‌افتد، می‌توانیم تفاوتی بین فناوری شرکت و آنچه که از بررسی خارجی خارج می‌شود، ببینیم.»
*****
یکی از اهداف مرکز علوم کوانتومی ORNL کمک به ارائه محاسبات کوانتومی توپولوژیکی است.
مرکز علوم کوانتومی (QSC)، که دفتر مرکزی آن در آزمایشگاه ملی اوک ریج است، یکی از پنج مرکز ایجاد شده توسط قانون ابتکار کوانتومی ملی در سال 2018 و توسط وزارت انرژی اداره می شود. جان راسل از HPCWire یک شیرجه عمیق در QSC انجام داد. خلاصه اخبار کوانتوم در اینجا خلاصه می شود.
هدف QSC کمک به ارائه است توپولوژیکی محاسبات کوانتومی این رویکرد به یک ذره هنوز اثبات نشده بستگی دارد، مارجورانا، یکی از دسته ای از افراد غیرآبلی مرموز که آمارهای غیرآبلی را دنبال می کنند.
رقابت برای محاسبات کوانتومی توپولوژیک کمی یک قمار است. شک و تردید وجود دارد. مایکروسافت بزرگترین قهرمان رویکرد توپولوژیکی بوده و یکی از همکاران نزدیک QSC است. جالب اینجاست که QSC در تلاش خود برای تکمیل محاسبات کوانتومی توپولوژیکی از سیستم های NISQ موجود استفاده می کند.
با این حال، در QSC که در حال حفاری در علم مواد، توسعه الگوریتم و حسگرها است، چیزهای زیادی بیش از تعقیب ذرات غیرآبلین وجود دارد، اگرچه بسیاری از کارهایی که در این مناطق انجام می‌شود برای پشتیبانی از توسعه رایانه‌های توپولوژیکی است.
شايد قابل توجه باشد كه به نظر مي رسد مراكز QIS در تلاشند تا هويتهايي را فراتر از آزمايشگاههايي كه دفتر مركزي آنها در آن مستقر هستند، به دست آورند. مدیر تازه معرفی شده QSC Travis Humble گفت: «تو دقیقا درست می گویی. در حال حاضر به قدری علاقه به این موضوع وجود دارد که هرکسی که مؤسسه ای دارد، آمادگی لازم برای انجام همه چیز را ندارد. به عنوان مثال، در Oak Ridge، ما پیشرو مرکز علوم کوانتومی هستیم، اما در مجموع 17 شریک وجود دارد که در آن مشارکت دارند، و صادقانه بگوییم، اگر یکی از آنها را حذف کنیم، در نهایت به یک شریک خواهیم رسید. شکاف در توانایی های ما.»
*****
آرایه دوبعدی کوبیت های الکترون و اسپین هسته ای مرز جدیدی را در علوم کوانتومی باز می کند
محققان دانشگاه پوردو مرز جدیدی را در علم و فناوری کوانتومی گشوده‌اند که کاربردهایی مانند طیف‌سنجی تشدید مغناطیسی هسته‌ای در مقیاس اتمی و خواندن و نوشتن اطلاعات کوانتومی با اسپین‌های هسته‌ای در مواد دوبعدی را امکان‌پذیر می‌سازد. mAs که دوشنبه (2 اوت) منتشر شد مواد طبیعتتیم تحقیقاتی از کیوبیت‌های اسپین الکترون به عنوان حسگرهای مقیاس اتمی و همچنین برای انجام اولین کنترل تجربی کیوبیت‌های اسپین هسته‌ای در نیترید بور شش ضلعی بسیار نازک استفاده کردند.
Tongcang Li، نویسنده مرتبط، استادیار فیزیک و نجوم و مهندسی برق و کامپیوتر پوردو، گفت: «این اولین کاری است که مقدار دهی اولیه نوری و کنترل منسجم چرخش‌های هسته‌ای را در مواد دو بعدی نشان می‌دهد. موسسه علوم و مهندسی کوانتوم پوردو. اکنون می‌توانیم از نور برای مقداردهی اولیه اسپین‌های هسته‌ای استفاده کنیم و با آن کنترل، می‌توانیم اطلاعات کوانتومی را با اسپین‌های هسته‌ای در مواد دوبعدی بنویسیم و بخوانیم. این روش می تواند کاربردهای مختلفی در حافظه کوانتومی، سنجش کوانتومی و شبیه سازی کوانتومی داشته باشد.
در این کار، لی و تیمش رابطی بین فوتون ها و اسپین های هسته ای در نیتریدهای بور شش ضلعی بسیار نازک ایجاد کردند. اسپین‌های هسته‌ای را می‌توان از طریق کیوبیت‌های اسپین الکترون اطراف، مقداردهی اولیه کرد - روی یک اسپین شناخته شده تنظیم کرد. پس از شروع اولیه، فرکانس رادیویی می‌تواند برای تغییر کیوبیت اسپین هسته‌ای، اساساً «نوشتن» اطلاعات، یا اندازه‌گیری تغییرات در کیوبیت‌های اسپین هسته‌ای، یا «خواندن» اطلاعات استفاده شود. روش آنها سه هسته نیتروژن را در یک زمان مهار می کند، با زمان انسجام بیش از 30 برابر بیشتر از کیوبیت های الکترونی در دمای اتاق. و مواد دو بعدی را می توان مستقیماً روی ماده دیگری قرار داد و یک حسگر داخلی ایجاد کرد.
