Jobb kvantumszimuláció az evolúciót utánzó algoritmusokkal

A természetes kiválasztódás, az evolúció túlélési mechanizmusa által inspirált genetikus algoritmusok rugalmas optimalizáló technikák. Generációról generációra alkalmasabb megoldások kiválasztásával remekül kezelnek problémákat.

A Baszkföldi Egyetem kutatói ilyen algoritmusokat alkalmaztak digitális kvantumszimulációkra, és bemutatták: egyrészt csökkentik a kvantumhibákat, másrészt jobban teljesítenek a meglévő optimalizáló technikáknál.

A kvantumszimuláció egyik főkihívása a környezettel folytatott interakció közbeni információvesztés. Ezt kiküszöbölendő, a kutatók hibajavító protokollokkal dolgoznak – az információt, kvantumkapukat használva, több összefonódott kvantumbitben (qubit) tárolják. A kapu elrendezését addig elemzik optimalizáló megoldásokkal, amíg meg nem találják a hibát minimalizáló architektúrát.

A kutatók bemutatták, hogy a legjobb kaputerveket genetikus algoritmusokkal érik el, eddig még soha senki nem vitte le olyan alacsonyra a kvantumhibák számát, mint ők. Ráadásul a műveletek kevesebb lépésben kivitelezhetők, amivel szintén csökken a hibamennyiség.

A genetikus algoritmusok alkalmazkodóképességük miatt teljesítenek ennyire jól.