أظهر باحثون رياضيًا أن شبكة عصبية كمومية يمكن أن تساعد في قياس خصائص أجسام كمومية صعبة الوصول، مما قد يخدع مبدأ اللايقين لهيزنبرغ. من خلال حقن العشوائية في الشبكة، قد يتمكن العلماء من تحديد خصائص غير متوافقة متعددة بدقة أكبر. يمكن لهذا النهج تسريع التطبيقات في الحوسبة الكمومية والكيمياء.
يحد مبدأ اللايقين لهيزنبرغ من دقة قياس خصائص كمومية معينة، مثل الموضع والزخم، في وقت واحد. بالنسبة للأجسام الكمومية مثل الجزيئات أو الكيوبيتات في الحواسيب الكمومية، يجعل هذا التنبؤات والتقييمات صعبة، حيث يمكن أن تتداخل القياسات مع بعضها البعض. أثبت Duanlu Zhou في الأكاديمية الصينية للعلوم وزملاؤه رياضيًا أن شبكة عصبية كمومية (QNN) يمكن أن تتغلب على هذه المشكلات. العمليات التقليدية على الكيوبيتات غالبًا ما تكون غير متوافقة بسبب مبدأ اللايقين، مشابهة لإجراء حسابات متناقضة على رقم. ومع ذلك، يمكن لـQNN مع خطوات مختارة عشوائيًا من مجموعة حل هذه التوافق غير المتوافق. أظهر عمل سابق أن العشوائية تساعد QNNs على قياس خصائص فردية بفعالية. مد الفريق التابع لـZhou هذا إلى خصائص متعددة، بما في ذلك تلك المقيدة بمبدأ اللايقين. من خلال تطبيق عمليات عشوائية متتالية وفك النتائج بطرق إحصائية، ينتج النهج نتائج أكثر دقة من العمليات الفردية المتكررة. هذا مفيد بشكل خاص للحواسيب الكمومية، حيث فهم خصائص الكيوبيت أمر أساسي لتقييم الأجهزة أو محاكاة الجزيئات والمواد. يشير Robert Huang في معهد تقنية كاليفورنيا إلى أن قياس العديد من الخصائص غير المتوافقة بكفاءة سيسمح للعلماء بتعلم أنظمة كمومية أسرع بكثير، مما يساعد التطبيقات في الكيمياء وعلم المواد، بالإضافة إلى توسيع نطاق الحواسيب الكمومية. يبدو الطريقة معقولة للتنفيذ العملي، على الرغم من أن نجاحها قد يعتمد على تفوقها على تقنيات قياس كمومية أخرى تعتمد على العشوائية. تظهر النتائج في Physical Review B (DOI: 10.1103/qz9c-m3z4).