Un motore di un'auto da corsa di fascia alta ha bisogno che tutti i suoi componenti siano messi a punto e che lavorino insieme in modo preciso per offrire prestazioni di alta qualità. Lo stesso si può dire del processore all'interno di un computer quantistico, i cui bit delicati devono essere regolati nel modo giusto prima di poter eseguire un calcolo. Chi è il meccanico giusto per questo lavoro di messa a punto quantistica? Secondo un team che include scienziati del National Institute of Standards and Technology (NIST), è un'intelligenza artificiale, ecco chi.

Il giornale della squadra sul diario Revisione fisica applicata delinea un modo per insegnare a un'intelligenza artificiale a effettuare una serie interconnessa di regolazioni a minuscoli punti quantici, che sono tra i tanti dispositivi promettenti per creare i bit quantistici, o "qubit, " che formerebbero gli interruttori nel processore di un computer quantistico.

Modificare con precisione i punti è fondamentale per trasformarli in qubit correttamente funzionanti, e fino ad ora il lavoro doveva essere svolto scrupolosamente da operatori umani, richiedendo ore di lavoro per creare anche una piccola manciata di qubit per un singolo calcolo.

Un pratico computer quantistico con molti qubit interagenti richiederebbe molti più punti - e regolazioni - di quanto un essere umano potrebbe gestire, quindi la realizzazione del team potrebbe avvicinare l'elaborazione basata su punti quantici dal regno della teoria alla realtà ingegnerizzata.

"I teorici dei computer quantistici immaginano cosa potrebbero fare con centinaia o migliaia di qubit, ma l'elefante nella stanza è che possiamo effettivamente farne funzionare solo una manciata alla volta, " ha detto Justyna Zwolak, un matematico del NIST. "Ora abbiamo un percorso per renderlo reale".

Un punto quantico contiene tipicamente elettroni che sono confinati in uno spazio stretto simile a una scatola in un materiale semiconduttore. Formando le pareti della scatola sono diversi elettrodi metallici (cosiddetti gate) sopra la superficie del semiconduttore a cui viene applicata una tensione elettrica, influenzando la posizione del punto quantico e il numero di elettroni. A seconda della loro posizione rispetto al punto, le porte controllano gli elettroni in modi diversi.

Per fare in modo che i punti facciano ciò che vuoi, agisci come una sorta di interruttore logico qubit o un altro, per esempio, le tensioni di gate devono essere sintonizzate sui valori giusti. Questa sintonizzazione viene eseguita manualmente, misurando le correnti che fluiscono attraverso il sistema di punti quantici, quindi cambiando un po' le tensioni di gate, quindi controllando di nuovo la corrente. E più punti (e cancelli) coinvolgi, più è difficile sintonizzarli tutti contemporaneamente in modo da ottenere qubit che funzionino correttamente insieme.

In breve, questo non è un concerto che qualsiasi meccanico umano si sentirebbe in colpa per aver perso contro una macchina.

"Di solito è un lavoro svolto da uno studente laureato, ", ha affermato lo studente laureato Tom McJunkin del dipartimento di fisica dell'Università del Wisconsin-Madison e coautore dell'articolo. "Potrei regolare un punto in poche ore, e due potrebbero volerci un giorno di manopole. potrei farne quattro, ma non se ho bisogno di andare a casa e dormire. Man mano che questo campo cresce, non possiamo passare settimane a preparare il sistema:dobbiamo togliere l'essere umano dal quadro".

Immagini, anche se, sono proprio ciò che McJunkin era abituato a guardare mentre metteva a punto i puntini:i dati con cui lavorava arrivavano sotto forma di immagini visive, che il team ha capito che l'intelligenza artificiale è brava a riconoscere. Gli algoritmi di intelligenza artificiale chiamati reti neurali convoluzionali sono diventati la tecnica di riferimento per la classificazione automatica delle immagini, purché siano esposti a molti esempi di ciò che devono riconoscere. Quindi Sandesh Kalantre della squadra, sotto la supervisione di Jake Taylor presso il Joint Quantum Institute, ha creato un simulatore che genererebbe migliaia di immagini di misurazioni di punti quantici che potrebbero fornire all'intelligenza artificiale come esercizio di addestramento.

"Simuliamo la configurazione del qubit che desideriamo e la eseguiamo durante la notte, e al mattino abbiamo tutti i dati di cui abbiamo bisogno per addestrare l'IA a mettere a punto il sistema automaticamente, " ha detto Zwolak. "E l'abbiamo progettato per essere utilizzabile su qualsiasi sistema basato su punti quantici, non solo il nostro".

La squadra è partita in piccolo, utilizzando una configurazione di due punti quantici, e hanno verificato che entro certi limiti la loro intelligenza artificiale addestrata poteva sintonizzare automaticamente il sistema sulla configurazione che desideravano. Non era perfetto:hanno identificato diverse aree su cui devono lavorare per migliorare l'affidabilità dell'approccio e non possono ancora usarlo per mettere a punto migliaia di punti quantici interconnessi. Ma anche in questa fase iniziale il suo potere pratico è innegabile, consentendo a un ricercatore esperto di trascorrere del tempo prezioso altrove.

"È un modo per utilizzare l'apprendimento automatico per risparmiare manodopera, e, alla fine, fare qualcosa che gli esseri umani non sono bravi a fare, " ha detto Zwolak. "Siamo tutti in grado di riconoscere un gatto tridimensionale, e questo è fondamentalmente ciò che è un singolo punto con alcune porte correttamente sintonizzate. Un sacco di punti e cancelli sono come un gatto a 10 dimensioni. Un umano non può nemmeno vedere un gatto 10D. Ma possiamo addestrare un'intelligenza artificiale a riconoscerne una".

Questa storia è stata ripubblicata per gentile concessione del NIST. Leggi la storia originale qui.