据外媒报道，来自俄罗斯斯科尔科沃科技学院(Skoltech)的研究人员开发了一种加速量子相互作用计算的新方法。它们在量子神经网络上完成整个过程，而不是通过经典算法在经典计算机上存储/计算量子信息。不可预测性是量子尺度相互作用建模的固有问题。由于能够预测复杂交互作用结果的理论模型很少，所以科学家需要依赖抽样技术。
资料图
他们一遍又一遍地计算同样的东西，再加上一定程度的随机性，最后评估出整体情况。尽管这会产生有效的结果，但它却需要使用庞大的计算能力。
不过Skoltech合并了一些量子计算发展中的理论方法，用量子计算机的特殊特性替代了抽样方法的随机性。他们的方法使用了一种叫做变分量子特征解算器的算法来创建一个关于所有相互作用物体/力的起始位置的量子描述。然后在经典神经网络的位置上增加了一些额外的信息来估计交互类型。之后，量子神经网络（这部分仍处于理论层面）计算交互并在输出中搜索模式。
数值测试发现，研究人员的方法得到了中等精度的结果：他们使用的大多数投票量子分类器在作为测试网络经过训练后，在横场Ising模型中识别物相的准确率为99%，在XXZ模型中识别物相的准确率为94%。然而，用这种方法工作的量子计算机还没有被设计出来，所以现在想要庆祝还为时过早。