Квантовая система, как человек в шумной комнате, постепенно теряет нить разговора — её состояние рассеивается в окружении. Но иногда, словно внезапно вспомнив важную мысль, она может вернуть часть утраченной информации. Это явление физики называют немарковской динамикой: память среды о прошлом системы позволяет информации течь обратно.
Учёные решили усилить этот эффект, управляя двухуровневой системой (простейшим квантовым объектом вроде атома с двумя состояниями) с помощью обучения с подкреплением. Этот метод похож на дрессировку: компьютер-агент пробует разные последовательности управляющих импульсов и получает награду за усиление возврата информации. Сравнение с традиционным оптимальным управлением показало: стандартный подход даёт лишь слабые и редкие всплески возврата, а обученный агент синхронизирует свои действия с «благоприятными окнами» памяти среды и добивается значительно более сильного эффекта.
Лучший результат показал алгоритм SAC, а PPO дал чуть меньший, но зато более плавные импульсы, которые проще реализовать в эксперименте. Это значит, что память квантовой системы можно целенаправленно тренировать, превращая её из случайности в рабочий инструмент.
Такой подход может пригодиться для защиты квантовых вычислений от ошибок и создания более живучих квантовых устройств.
Алгоритм SAC, показавший лучший результат, изначально разрабатывался для обучения роботов плавным движениям — а теперь помогает управлять квантовыми системами.