Pesquisadores da Universidade de Innsbruck revelaram um método inovador para preparar operações quânticas em um computador quântico, utilizando um modelo generativo de aprendizado de máquina para encontrar a sequência apropriada de portas quânticas para executar uma operação quântica. O estudo, recentemente publicado na Nature Machine Intelligence, marca um avanço significativo na exploração completa do potencial da computação quântica.
Modelos generativos como os modelos de difusão são um dos desenvolvimentos mais importantes recentemente em Aprendizado de Máquina (AM), com modelos como o Stable Diffusion e o Dall, e revolucionando o campo da geração de imagens. Esses modelos são capazes de produzir imagens de alta qualidade com base em uma descrição de texto. “Nosso novo modelo para programar computadores quânticos faz o mesmo, mas, em vez de gerar imagens, ele gera circuitos quânticos com base na descrição textual da operação quântica a ser realizada,” explica Gorka Muñoz-Gil, do Departamento de Física Teórica da Universidade de Innsbruck, Áustria.
Para preparar um certo estado quântico ou executar um algoritmo em um computador quântico, é necessário encontrar a sequência apropriada de portas quânticas para realizar tais operações. Enquanto isso é relativamente fácil na computação clássica, é um grande desafio na computação quântica, devido às particularidades do mundo quântico. Recentemente, muitos cientistas propuseram métodos para construir circuitos quânticos, muitos dos quais dependem de métodos de aprendizado de máquina. No entanto, o treinamento desses modelos de AM é frequentemente muito difícil devido à necessidade de simular circuitos quânticos durante o aprendizado da máquina.
Os modelos de difusão evitam esses problemas devido à maneira como são treinados. “Isso proporciona uma vantagem tremenda,” explica Gorka Muñoz-Gil, que desenvolveu o método inovador junto com Hans J. Briegel e Florian Fürrutter. “Além disso, mostramos que os modelos de difusão de remoção de ruído são precisos em sua geração e também muito flexíveis, permitindo gerar circuitos com diferentes números de qubits, bem como tipos e números de portas quânticas.” Os modelos também podem ser adaptados para preparar circuitos que considerem a conectividade do hardware quântico, ou seja, como os qubits estão conectados no computador quântico.
“Como produzir novos circuitos é muito barato uma vez que o modelo é treinado, pode-se usá-lo para descobrir novos insights sobre operações quânticas de interesse,” outro potencial do novo método. O método desenvolvido, produz circuitos quânticos com base nas especificações do usuário e adaptados às características do hardware quântico em que o circuito será executado. Isso marca um avanço significativo na exploração completa do potencial da computação quântica.
