'Da Hamiltonsche Modelle die Untersuchung und Analyse physikalischer und chemischer Prozesse unterstützen, ist dies der Fall
'Bei Verwendung experimenteller Daten rufen 74% der Protokollinstanzen Modelle ab, die als plausibel erachtet werden. Simulierte Multi-Spin-Systeme, gekennzeichnet durch einen Raum von 1010 Mögliche Modelle werden auch untersucht, indem ein genetischer Algorithmus in unser Protokoll aufgenommen wird, der das Zielmodell in 85% der Fälle identifiziert. '
"Die Entwicklung automatisierter Agenten, die Modellhypothesen aus begrenzten vorherigen Annahmen formulieren und testen können, ist ein grundlegender Schritt zur Charakterisierung großer Quantensysteme."
Der Algorithmus könnte verwendet werden, um die automatisierte Charakterisierung neuer Geräte wie Quantensensoren zu unterstützen.
„Durch die Kombination der Leistung heutiger Supercomputer mit maschinellem Lernen konnten wir automatisch Strukturen in Quantensystemen entdecken. Wenn neue Quantencomputer / Simulatoren verfügbar werden, wird der Algorithmus spannender: Zuerst kann er dazu beitragen, die Leistung des Geräts selbst zu überprüfen, und dann diese Geräte nutzen, um immer größere Systeme zu verstehen “, sagt der Forscher Brian Flynn.