Журнал о технологиях и строительстве

«Пoслe мнoгиx нeудaчныx пoпытoк придумaть плaн прoвeдeния экспeримeнтa, мы пришли к вывoду, чтo нaм мeшaeт нaшa жe интуиция, на основе которой строятся некоторые из представлений о квантовых процессах и которые являются несколько неправильными» — рассказывает Марио Кренн (Mario Krenn), один из ведущих ученых группы Антона Цайлингера.В результате всех усилий ученых на белый свет появился алгоритм, получивший наименование «Melvin». Но из них нам удалось извлечь несколько новых экспериментальных уловок, которые никогда не смогли бы прийти нам в голову. В ближайшем будущем австрийские ученые планируют использовать алгоритм Melvin для его использования в более широкой области квантовой механики, что, по их мнению, даст возможность обнаружить и исследовать некоторые абсолютно новые явления и эффекты. Люди начинают рассматривать необходимые им экспериментальные установки с учетом их интуитивного понятия, которое тяготеет в сторону симметрии. За несколько часов работы этот алгоритм сумел найти решение проблемы, над которой достаточно долго и безуспешно бились создавшие его ученые, а структура и план предложенного компьютером эксперимента весьма и весьма удивила ученых, имеющий достаточно богатый опыт в области квантовой физики.»Представьте себе, что вы хотите провести эксперимент по изучению определенных квантовых состояний. Группа ученых Антона Цайлингера (Anton Zeilinger) из Института квантовой оптики и информации Венского университета (Quantum Optics and Quantum Information at the University of Vienna), на счету которой находится немало открытий, рекордов и других достижений в области квантовой физики, создала программный алгоритм, позволяющий разрабатывать и планировать новые эксперименты в области квантовой физики. «Решения, найденные алгоритмом, очень трудно понять. А оборудование для некоторых из экспериментов, спланированных компьютером, уже создается в нашей лаборатории» — рассказывает Марио Крен.Алгоритм Melvin не просто осуществляет перебор вариантов экспериментальных компонентов, он способен обучаться на базе своих же предыдущих успешных решений, что позволяет значительно ускорить процесс разработки более сложных экспериментов.