Kuantum bilgisayarların gelişiminde önemli bir adım atılırken, yapay zeka teknolojileri bu alanda da oyun değiştirici bir rol oynuyor. Yeni bir araştırma, kuantum algoritmalarının en büyük darboğazlarından birini graf sinir ağları kullanarak çözmeyi başardı.
ADAPT-VQE olarak bilinen adaptif kuantum algoritmaları, her iterasyonda bir operatör havuzundan en uygun seçeneği gradyan tabanlı kriterlerle belirleyerek çalışır. Bu yaklaşım parametre uzayının kontrolsüz büyümesini önlese de, havuzun sürekli taranması işlemci gücünün büyük bölümünü tüketiyor. Özellikle uzun menzilli etkileşimlere sahip sistemlerde bu durum ciddi bir performans sorunu yaratıyordu.
Araştırmacılar bu sorunu graf teorisi perspektifinden yeniden ele alarak, operatör seçimini bir graf karar problemi olarak formülize ettiler. Geliştirdikleri graf sinir ağı sistemi, etkileşim grafiği ve duruma bağlı gözlemlenebilir büyüklüklerden yola çıkarak bir sonraki operatörü doğrudan tahmin edebiliyor.
Sistem, düzensiz uzun menzilli spin zincirlerin tam simülasyonlarından elde edilen verilerle eğitildi. Gradyan büyüklükleri denetim sinyali olarak kullanılarak, AI modeli geleneksel gradyan tabanlı seçim kuralının temel yapısını öğrenmeyi başardı. Test sonuçları, yeni yöntemin sadece etkileşim gücüne dayalı basit sezgisel yaklaşımlardan önemli ölçüde daha iyi performans gösterdiğini ortaya koydu.