Швейцарские учёные предложили метод моделирования поведения сложной квантовой системы
Швейцарские учёные предложили метод моделирования поведения сложной квантовой системы. Трудоёмкость этого процесса связана с тем, что количество состояний, которые может принимать система - увеличивается, в зависимости от её сложности, по экспоненте. К примеру, количество состояний системы из 100 квантовых частиц, составляет – 1035, что делает неэффективным использование, для просчёта такого числа вариантов - даже мощных суперкомпьютеров. Для ускорения данного процесса, группой исследователей из Швейцарского федерального технологического института предложен новый метод, основанный на использовании нейросети.
Суть разработки, предложенной учёными, состоит в использовании инновационного подхода, позволяющего вместо последовательного вычисления каждого возможного состояния квантовой системы – обобщить их, использовав для этого нейронную сеть.
С этой целью, исследователи разработали упрощённую модель нейронной сети и снабдили её программой, способной моделировать волновые функции квантовой системы. В качестве отправной точки получившаяся модель использует один слой «скрытых» состояний и большой набор числовых коэффициентов. Используя эти данные, нейросеть способна рассчитать конечное состояние системы, удовлетворяющее заданному набору условий, минуя стадию просчёта каждого из промежуточных состояний.
Проверка работоспособности алгоритма, предложенного учёными, производилась путём сравнения результатов его работы с вычислениями, полученными «стандартным» способом вычисления всех возможных вариантов, и показала, что нейросеть справилась с поставленной задачей гораздо быстрее.
Суть разработки, предложенной учёными, состоит в использовании инновационного подхода, позволяющего вместо последовательного вычисления каждого возможного состояния квантовой системы – обобщить их, использовав для этого нейронную сеть.
С этой целью, исследователи разработали упрощённую модель нейронной сети и снабдили её программой, способной моделировать волновые функции квантовой системы. В качестве отправной точки получившаяся модель использует один слой «скрытых» состояний и большой набор числовых коэффициентов. Используя эти данные, нейросеть способна рассчитать конечное состояние системы, удовлетворяющее заданному набору условий, минуя стадию просчёта каждого из промежуточных состояний.
Проверка работоспособности алгоритма, предложенного учёными, производилась путём сравнения результатов его работы с вычислениями, полученными «стандартным» способом вычисления всех возможных вариантов, и показала, что нейросеть справилась с поставленной задачей гораздо быстрее.
