Квантовая искусственная жизнь

В этой статье есть несколько проблем. Помогите улучшить ее или обсудите эти проблемы на странице обсуждения . ( Узнайте, как и когда удалять эти сообщения ) В этой статье могут быть представлены маргинальные теории , без придания должного веса общепринятой точке зрения и объяснения ответов на маргинальные теории.Пожалуйста, помогите улучшить его или обсудите проблему на странице обсуждения . ( Февраль 2021 )( Узнайте, как и когда удалить это сообщение ) Тема этой статьи может не соответствовать общим правилам значимости Википедии .Пожалуйста, помогите продемонстрировать значимость темы, ссылаясь на надежные вторичные источники , которые независимы от темы и обеспечивают ее значительное освещение, выходящее за рамки простого тривиального упоминания. Если значимость не может быть показана, статья, скорее всего, будет объединена , перенаправлена ​​или удалена . Найти источники:  "Quantum artificial life" – новости  · газеты  · книги  · ученый  · JSTOR ( Февраль 2021 )( Узнайте, как и когда удалить это сообщение ) ( Узнайте, как и когда удалить это сообщение )

Квантовая искусственная жизнь — это применение квантовых алгоритмов с возможностью имитировать биологическое поведение. Квантовые компьютеры предлагают множество потенциальных улучшений процессов, выполняемых на классических компьютерах, включая машинное обучение и искусственный интеллект . Приложения искусственного интеллекта часто вдохновляются идеей имитации человеческого мозга с помощью тесно связанной биомимикрии . ^[1] Это было реализовано в определенной степени на классических компьютерах (с использованием нейронных сетей ), но квантовые компьютеры предлагают много преимуществ в моделировании искусственной жизни. ^[2] Искусственная жизнь и искусственный интеллект чрезвычайно похожи, с небольшими различиями; цель изучения искусственной жизни — лучше понять живых существ, в то время как цель искусственного интеллекта — создать разумных существ. ^[1]

В 2016 году Альварес-Родригес и др. ^[2] разработали предложение по квантовому алгоритму искусственной жизни с возможностью имитации жизни и дарвиновской эволюции. ^[3] В 2018 году та же исследовательская группа под руководством Альвареса-Родригеса выполнила предложенный алгоритм на квантовом компьютере IBM ibmqx4 и получила оптимистичные результаты. Результаты точно имитировали систему со способностью подвергаться саморепликации в квантовом масштабе. ^[2]

Растущее развитие квантовых компьютеров привело исследователей к разработке квантовых алгоритмов для моделирования жизненных процессов. Исследователи разработали квантовый алгоритм, который может точно моделировать дарвиновскую эволюцию . ^[3] Поскольку полное моделирование искусственной жизни на квантовых компьютерах было реализовано только одной группой, в этом разделе основное внимание будет уделено реализации Альваресом-Родригесом, Сансом, Ломатой и Солано на квантовом компьютере IBM. ^[2]

Индивидуумы были реализованы как два кубита, один из которых представляет генотип индивидуума, а другой представляет фенотип . ^[2] Генотип копируется для передачи генетической информации через поколения, а фенотип зависит от генетической информации, а также от взаимодействия индивидуума с окружающей средой. ^[2] Для настройки системы состояние генотипа создается путем некоторого вращения вспомогательного состояния ( ). Среда представляет собой двумерную пространственную сетку, занятую индивидуумами и вспомогательными состояниями. Среда разделена на ячейки, которые могут обладать одним или несколькими индивидуумами. Индивидуумы перемещаются по сетке и занимают ячейки случайным образом; когда два или более индивидуумов занимают одну и ту же ячейку, они взаимодействуют друг с другом. ^[3]${\displaystyle |0\rangle \langle 0|}$

Способность к саморепликации имеет решающее значение для моделирования жизни. Саморепликация происходит, когда генотип индивидуума взаимодействует с вспомогательным состоянием, создавая генотип для нового индивидуума; этот генотип взаимодействует с другим вспомогательным состоянием, чтобы создать фенотип. Во время этого взаимодействия хотелось бы скопировать некоторую информацию об исходном состоянии во вспомогательное состояние, но по теореме о невозможности клонирования невозможно скопировать произвольное неизвестное квантовое состояние. ^[4] Однако физики вывели различные методы квантового клонирования , которые не требуют точного копирования неизвестного состояния. Метод, реализованный Альваресом-Родригесом и др. ^[2] , заключается в клонировании ожидаемого значения некоторой наблюдаемой . ^[5] Для унитарного , который копирует ожидаемое значение некоторого набора наблюдаемых состояния в пустое состояние , клонирующая машина определяется любым ^[6], который удовлетворяет следующим условиям:${\displaystyle U}$${\displaystyle {\mathsf {X}}}$${\displaystyle \ро}$${\displaystyle \rho _{e}}$${\displaystyle (U,\rho _{e},{\mathsf {X}})}$

${\displaystyle \forall \rho \forall X\in {\mathsf {X}}}$ ${\displaystyle {\bar {X}}={\bar {X_{1}}}={\bar {X_{2}}}}$

Где — среднее значение наблюдаемой в до клонирования, — среднее значение наблюдаемой в после клонирования, — среднее значение наблюдаемой в после клонирования. Обратите внимание, что клонирующая машина не зависит от , поскольку мы хотим иметь возможность клонировать ожидание наблюдаемых для любого начального состояния. Важно отметить, что клонирование среднего значения наблюдаемой передает больше информации, чем допускается классически. ^[6] Расчет среднего значения определяется естественным образом как: ^[6]${\displaystyle {\bar {X}}}$${\displaystyle \ро}$${\displaystyle {\bar {X_{1}}}}$${\displaystyle \ро}$${\displaystyle {\bar {X_{2}}}}$${\displaystyle \rho _{e}}$${\displaystyle \ро}$

${\displaystyle {\bar {X}}=Tr[\rho X]}$, , где${\displaystyle {\bar {X_{1}}}=Tr[RX\otimes I]}$${\displaystyle {\bar {X_{2}}}=Tr[RI\otimes X]}$${\displaystyle R=U\rho \otimes \rho _{e}U^{\dagger }}$

Простейшая клонирующая машина клонирует ожидаемое значение в произвольном состоянии с помощью . Это клонирующая машина, реализованная для саморепликации Альваресом-Родригесом и др. Процесс саморепликации, очевидно, требует только взаимодействия между двумя кубитами, и поэтому эта клонирующая машина является единственной, необходимой для саморепликации.${\displaystyle \sigma _{z}}$${\displaystyle \rho =|\psi \rangle \langle \psi |}$${\displaystyle \rho _{e}=|0\rangle \langle 0|}$${\displaystyle U=CNOT}$

Взаимодействие происходит между особями, когда они занимают одно и то же место на сетке окружающей среды. Наличие взаимодействия между особями дает преимущество особям с более короткой продолжительностью жизни. Когда взаимодействуют две особи, обмен информацией между двумя фенотипами может происходить или не происходить на основе их существующих значений. Когда контрольные кубиты обеих особей (генотипы) одинаковы, обмен информацией не происходит. Когда контрольные кубиты различаются, целевые кубиты (фенотип) будут обмениваться между двумя особями. Эта процедура создает постоянно меняющуюся динамику хищник-жертва в симуляции. Поэтому долгоживущие кубиты с большим генетическим составом в симуляции находятся в невыгодном положении. Поскольку обмен информацией происходит только при взаимодействии с особью с другим генетическим составом, преимущество имеет популяция с коротким сроком жизни. ^[3]

Мутации существуют в искусственном мире с ограниченной вероятностью, эквивалентной их возникновению в реальном мире. Существует два способа, которыми индивидуум может мутировать: посредством случайных вращений одного кубита и посредством ошибок в процессе саморепликации. Существует два различных оператора, которые действуют на индивидуума и вызывают мутации. Операция M вызывает спонтанную мутацию внутри индивидуума путем вращения одного кубита на параметр θ. Параметр θ является случайным для каждой мутации, что создает биоразнообразие в искусственной среде. ^[3] Операция M представляет собой унитарную матрицу, которую можно описать следующим образом: ^[3]

${\displaystyle M={\begin{pmatrix}\cos(\theta )&sin(\theta )\\sin(\theta )&-cos(\theta )\end{pmatrix}}}$

Другой возможный путь возникновения мутаций — ошибки в процессе репликации. Из-за теоремы о неклонировании невозможно создать идеальные копии систем, которые изначально находятся в неизвестных квантовых состояниях. ^[4] Однако машины квантового клонирования позволяют создавать несовершенные копии квантовых состояний, другими словами, процесс вносит некоторую степень ошибки. ^[7] Ошибка, которая существует в современных машинах квантового клонирования, является первопричиной второго типа мутаций в эксперименте по искусственной жизни. Несовершенную операцию клонирования можно рассматривать как: ^[3]

${\displaystyle U_{M}(\theta )=\mathrm {I} _{4}+{\frac {1}{2}}{\begin{pmatrix}0&0\\0&1\end{pmatrix}}\otimes {\begin{pmatrix}-1&1\\1&-1\end{pmatrix}}(cos\theta +isin\theta +1)}$

Два вида мутаций по-разному влияют на индивидуума. В то время как спонтанная операция M не влияет на фенотип индивидуума, самовоспроизводящаяся ошибочная мутация, U M, изменяет как генотип индивидуума, так и связанную с ним продолжительность жизни. ^[3]

Наличие мутаций в квантовом эксперименте искусственной жизни имеет решающее значение для обеспечения случайности и биоразнообразия. Включение мутаций помогает повысить точность квантового алгоритма. ^[2]

В момент создания индивидуума (когда генотип копируется в фенотип) фенотип взаимодействует с окружающей средой. С течением времени взаимодействие индивидуума с окружающей средой имитирует старение, которое в конечном итоге приводит к смерти индивидуума. ^[2] Смерть индивидуума происходит, когда ожидаемое значение находится в пределах некоторого 1 в фенотипе, или, что эквивалентно, когда${\displaystyle \sigma _{z}}$${\displaystyle \epsilon }$${\displaystyle \rho _{p}=|0\rangle \langle 0|}$

Линдбладиан описывает взаимодействие индивидуума с окружающей средой: с и без . ^{[3] Это взаимодействие приводит к тому} , что фенотип экспоненциально распадается с течением времени. Однако генетический материал, содержащийся в генотипе, не рассеивается, что позволяет генам передаваться последующим поколениям. Учитывая начальное состояние генотипа:${\displaystyle {\dot {\rho }}=\gamma (\sigma \rho \sigma ^{\dagger }-{\frac {1}{2}}\sigma ^{\dagger }\sigma \rho -{\frac {1}{2}}\rho \sigma ^{\dagger }\sigma )}$${\displaystyle \sigma =I\otimes |0\rangle \langle 1|}$${\displaystyle \rho =\rho _{g}\otimes \rho _{p}}$

${\displaystyle \rho _{g}={\begin{pmatrix}a&b-ic\\b+ic&1-a\\\end{pmatrix}}}$

Ожидаемые значения генотипа и фенотипа можно описать следующим образом: ^[3]

${\displaystyle \langle \sigma _{z}\rangle _{g}=2a-1}$, . Где 'a' представляет собой один генетический параметр. Из этого уравнения мы можем видеть, что с увеличением 'a' продолжительность жизни уменьшается. Эквивалентно, чем ближе начальное состояние к , тем больше продолжительность жизни индивидуума.${\displaystyle \langle \sigma _{z}\rangle _{p}=1-2e^{\gamma t}(1-a)}$${\displaystyle |1\rangle \langle 1|}$

Когда индивидуум считается мертвым, фенотип используется как вспомогательное состояние для нового индивидуума. Таким образом, цикл продолжается, и процесс становится самоподдерживающимся. ^[3]${\displaystyle \langle \sigma _{z}\rangle _{p}=1-\epsilon }$