我們擅長商業策略與用戶體驗的完美結合。
歡迎瀏覽我們的案例。
據外媒報道，來自俄羅斯斯科爾科沃科技學院(Skoltech)的研究人員開發了一種加速量子相互作用計算的新方法。它們在量子神經網絡上完成整個過程，而不是通過經典算法在經典計算機上存儲/計算量子信息。不可預測性是量子尺度相互作用建模的固有問題。由于能夠預測復雜交互作用結果的理論模型很少，所以科學家需要依賴抽樣技術。
他們一遍又一遍地計算同樣的東西，再加上一定程度的隨機性，最后評估出整體情況。盡管這會產生有效的結果，但它卻需要使用龐大的計算能力。
不過 Skoltech 合并了一些量子計算發展中的理論方法，用量子計算機的特殊特性替代了抽樣方法的隨機性。他們的方法使用了一種叫做變分量子特征解算器的算法來創建一個關于所有相互作用物體/力的起始位置的量子描述。然后在經典神經網絡的位置上增加了一些額外的信息來估計交互類型。之后，量子神經網絡(這部分仍處于理論層面)計算交互并在輸出中搜索模式。
數值測試發現，研究人員的方法得到了中等精度的結果：他們使用的大多數投票量子分類器在作為測試網絡經過訓練后，在橫場 Ising 模型中識別物相的準確率為 99%，在 XXZ 模型中識別物相的準確率為 94%。然而，用這種方法工作的量子計算機還沒有被設計出來，所以現在想要慶祝還為時過早。
（邯鄲網站制作）
