ИИ + квантовый компьютер = турбулентность предсказана на месяцы вперёд, памяти нужно в 100 раз меньше

Квантовые компьютеры годами обсуждают как технологию с огромным запасом на будущее, но с очень скромным списком практических применений в настоящем. Исследователи из UCL описали случай, где квантовое устройство дало вполне конкретную пользу: помогло ИИ-модели точнее предсказывать поведение сложной физической системы на длинных временных промежутках. Авторы пишут, что такой гибридный подход оказался примерно на 20 % точнее сопоставимой классической модели и при этом требовал в сотни раз меньше памяти.

Работа посвящена задаче, которая давно мучает вычислительную физику: как предсказывать развитие хаотических систем? В статье речь в первую очередь идет о гидродинамике, то есть о движении жидкостей и газов. Ошибки в таких расчетах быстро накапливаются, а долгосрочный прогноз теряет устойчивость. Между тем именно такие модели нужны в климатических расчетах, транспорте, медицине, энергетике, при анализе кровотока и молекулярных взаимодействий, а также при проектировании ветряных электростанций.

Обычный выбор тут невелик. Можно запускать полную симуляцию, но она часто занимает недели. Можно обучить модель машинного обучения на симуляциях или наблюдениях, тогда расчет пойдет быстрее, но надежность на длинных интервалах обычно снижается. Команда UCL попробовала встроить в такую схему квантовый этап, но не стала перекладывать всю задачу на квантовый компьютер. Авторы выбрали более узкую и понятную роль: квантовое устройство сначала учится выделять в данных ключевые статистические закономерности, которые сохраняются во времени, а затем эти закономерности используют при обучении обычной ИИ-модели на классическом суперкомпьютере.

Смысл подхода в том, что модель получает не просто поток чисел из прошлого, а более плотное описание структуры самой системы. Исследователи пишут, что квантовый компьютер извлекает инвариантные статистические свойства, то есть характеристики, которые не распадаются по мере развития процесса. После этого классическая модель учится уже с учетом этих опорных закономерностей. В результате прогноз для сложной хаотической системы оказался не только точнее, но и устойчивее на длинной дистанции, где обычные модели часто начинают заметно расходиться с реальным поведением.

Авторы объясняют выигрыш устройством самих квантовых вычислений. В обычном компьютере бит принимает значение ноль или один. Кубит может находиться в состоянии ноль, один или в промежуточной комбинации до момента измерения. Плюс кубиты способны влиять друг на друга. За счет суперпозиции и запутанности даже небольшое число кубитов задает огромное число возможных состояний. Поэтому квантовая система может удерживать большой объем информации в более компактной форме, чем классическая. Именно эту способность команда считает одной из причин более точной и экономной работы метода.

Исследователи отдельно описывают, почему не стали строить схему с постоянной пересылкой данных между квантовой и классической частями. Современные квантовые компьютеры шумные, чувствительны к ошибкам и помехам. Если заставить такую систему непрерывно участвовать в расчете, быстро вырастает цена измерений и падает надежность. Поэтому в их методе квантовое устройство включается только на одном этапе. Такой ход позволяет использовать сильные стороны квантовой части и не упираться слишком глубоко в ограничения нынешнего железа.

Авторы также предлагают физическое объяснение, почему метод вообще может работать на задачах такого типа. По их мнению, сложные хаотические системы иногда ведут себя так, что изменение в одной части заметно влияет на удаленные области. Исследователи осторожно сравнивают такую картину с квантовой запутанностью. Речь не о том, что турбулентность подчиняется квантовой механике в прямом смысле, а о другом: квантовые методы, возможно, особенно хорошо схватывают структуру дальних взаимосвязей в подобных системах.

В статье есть и более сильное утверждение. Команда пишет, что новый метод, по всей видимости, демонстрирует практическое квантовое преимущество. Под этим авторы понимают ситуацию, когда квантовый компьютер дает результат, который нельзя получить столь же эффективно с помощью одних только классических вычислений. Для отрасли это чувствительный тезис, потому что разговоров о квантовом преимуществе много, а прикладных примеров до сих пор мало. Здесь исследователи опираются не на абстрактный тест, а на задачу из вычислительной физики, где получили прибавку в точности, устойчивости и экономии памяти. При этом они признают, что их результат может подтолкнуть и развитие чисто классических методов, хотя повторить такую компактность представления данных им будет трудно.

Для работы команда использовала 20-кубитный квантовый компьютер IQM, связанный с обычными суперкомпьютерными ресурсами Лейбницевского суперкомпьютерного центра в Германии. Важная деталь тут не в рекордном масштабе, а в другом: полезный эффект удалось получить на реальной современной системе, а не на гипотетической машине будущего. Чтобы удерживать квантовое состояние, такие компьютеры охлаждают почти до абсолютного нуля, примерно до минус 273 градусов Цельсия. Авторы отдельно напоминают, что такая температура ниже, чем где-либо в космосе.

Дальше команда собирается проверить метод на более крупных наборах данных и на задачах с еще более сложной динамикой. Параллельно авторы хотят предложить строгую теоретическую основу для всей схемы. До обещаний скорого переворота в климатическом моделировании или гидродинамике исследование не доходит. Но работа уже дает куда более полезный вывод: квантовый компьютер может не просто существовать рядом с классическим суперкомпьютером, а приносить измеримую пользу внутри одной вычислительной цепочки.