۶۱۹۵۲۹ ۰۱ آبان ۱۳۹۶ ۱۷:۰۴

یادگیری کوانتومی ماشین‌ها و کشف ماهیت جهان

«چرا برخی از ذرات جرم دارند و برخی دیگر بدون جرم هستند؟». این یکی از پرسش‌های مهم بشر است و یافتن پاسخی برای آن بسیاری از معماهای علمی و حتی فلسفی ما را حل خواهد کرد.

وب سایت شبکه - مهدی صنعت‌جو: «چرا برخی از ذرات جرم دارند و برخی دیگر بدون جرم هستند؟». این یکی از پرسش‌های مهم بشر است و یافتن پاسخی برای آن بسیاری از معماهای علمی و حتی فلسفی ما را حل خواهد کرد.

یادگیری کوانتومی ماشین‌ها و کشف ماهیت جهان

محققان بزرگترین آزمایشگاه تحقیقاتی جهان در سِرن سوییس، سال‌هاست که بدنبال یافتن پاسخ چنین پرسشی هستند. اما آشکارسازهای این مرکز، کوهی از داده‌ها را تولید می‌کنند که یافتن پاسخ از لابه‌لای آن‌ها کار دشواری است. شاید استفاده از «یادگیری ماشینی کوانتومی»، در یافتن پاسخ این پرسش مهم، راهکار مناسبی باشد.

در سال ۲۰۱۲ محققان مرکز « برخورددهنده بزرگ هادرونی» ( یا به اختصار ال‌اچ‌سی) سِرن در سوییس مدعی شدند که شواهدی مبنی بر اثبات وجود ذره بنیادی هیگز یافته‌اند. هیگز، کلید حل این معمای بزرگ است که چرا برخی از ذرات جرم دارند و برخی نظیر فوتون فاقد جرم هستند؟ آزمایشاتی که در آشکارسازهای CMS و ATLAS این شتاب‌دهنده انجام می‌شدند، داده‌‌های زیادی تولید می‌کردند. محققان به‌منظور سرعت بخشیدن به تحلیل این داده‌ها، از الگویتم‌های یادگیری ماشینی کمک گرفتند و با استفاده از داده‌‌های شبیه‌سازی‌شده، شروع به آموزش این الگوریتم‌ها کردند تا با دقت بیشتری ذرات مورد نظر را بیابند.

ATLAS، یکی از شتابدهنده‌هایی که در ردیابی هیگز نقش داشته است.

اکنون این محققان به دنبال یافتن این پرسش هستند که آیا استفاده از یک کامپیوتر کوانتومی، فرآیند آموزش این سامانه را بهبود خواهد داد یا خیر؟ آن‌ها دریافتند که پاسخ این پرسش مثبت است و به این نتیجه رسیدند اگر در مرحله آموزش از کامپیوترهای کوانتومی کمک گرفته شود، به داده‌‌‌های شبیه‌سازی‌شده کمتری برای آموزش سامانه نیاز خواهیم داشت. Maria Spiropulu فیزیکدانی که نقش مهمی در مطالعات هیگز داشته است می‌گوید: « می‌خواستم بدانم آیا چنین ایده‌ای کمکی به حل مشکل هیگز خواهد کرد یا خیر؟»

همکار او Alex Mott فیزیکدانی که اکنون در شرکت دیپ‌مایند لندن مشغول به کار است، فرآیند یادگیری را به گونه تغییر داد تا بر روی یک کامپیوتر کوانتومی ساخته شده توسط شرکت کانادایی D-Wave قابل اجرا باشد. این آزمایش هنوز به روشنی مشخص نکرده است که آیا در این کاربرد، محاسبات کوانتومی بر روش‌های مرسوم برتری دارد یا خیر. اما این محققان معتقد هستند که در آینده زمانیکه حجم داده‌های حاصل از آزمایش‌های مربوط به شتاب‌دهنده‌‌ها افزایش یابد، یادگیری ماشینی کوانتومی برتری خود را نسبت به روش‌‌های سنتی نشان خواهد داد.

شاید در آینده‌ای نزدیک، پردازنده کوانتومی نظیر این در یافتن ذرات نادر به ما کمک کند.

اگر چه هنوز نباید انتظار داشته باشیم که فیزیکدانان در مطالعات خود از کامپیوترهای کوانتومی استفاده کنند اما طرح چنین ایده‌‌ای در استفاده از محاسبات کوانتومی، کاربرد این محاسبات را در رفع مشکلات واقعی دنیای فیزیکی به خوبی نشان می‌دهد.