Varantolaskenta kehitettiin yksinkertaistamaan muistia hyödyntävien takaisinkytkettyjen neuroverkkojen koulutusprosessia. Koko verkon kouluttamisen sijaan hyödynnetään systeemin eli varannon luonnollista dynamiikkaa ja lineaarisesti koulutettavaa tasoa lukemaan varannossa olevaa informaatiota. Ideaa on jatkettu kvanttikoneoppimiseen, jossa varantona toimivatkin kvanttisysteemit. Kvanttivarantolaskennan etuna on monipuolisempi varannon tila-avaruuden hyödyntäminen kvantti-ilmiöiden kuten superposition ja kietoutumisen kautta. Kvanttisysteemien käyttö mahdollistaa myös hyvin ilmaisukykyisen varannon rakentamisen, ilman että fyysisiä informaatioyksiköitä, esimerkiksi kubitteja, tarvitaan suuria määriä. Kvanttiteknologia on viime vuosina kehittynyt ja toimivien kvanttitietokoneiden määrä on lisääntynyt, mutta silti niiden hyötyjä hankaloittaa tarvittavien resurssien määrä, toteutus ja herkkyys. Ongelmat ovatkin läsnä myös käytännön kvanttivarantolaskennassa ja tässä tutkielmassa käsitellään uutta lähestymistapaa näihin ongelmiin niin sanotun digitaalisen kaksosen myötä. Kyseinen digitaalinen kaksonen on matemaattisesti varannosta muodostettu kopio, jonka tarkoituksena on jäljitellä oikean varannon toimintaa. Tutkielmassa käydään läpi digitaalisen kaksosen rakentaminen neljän kubitin kvanttipiiristä simuloidun varannon pohjalta. Tarkoituksena oli selvittää, onko lähestymistapa oikeasti mahdollinen ja onko kaksosen suorituskyky riittävä oikeaan varantoon verrattuna. Aihetta pohjustetaan tarkastelemalla varantolaskentaa yleisellä tasolla sekä klassisten neuroverkkojen pohjalta, että kvanttisysteemien kautta. Digitaalisen kaksosen muodostaminen onnistui käyttämällä alkuperäisen varannon funktioavaruuden kantaa ja sen suorituskyky oli hyvin lähellä kvanttivarantoa. Kvanttivarannon mittaustuloksista saadut havaintosuureet voitiin rakentaa uudelleen, siten että vähintään 96% jokaisen suureen alkuperäisestä varianssista voitiin selittää. Kaksonen jäljitteli varannon tuloksia hyvin läheisesti erilaisissa muistia ja yleistämistä vaativissa tehtävissä. Varannon ja kaksosen normalisoitu keskimääräinen neliövirhe tehtävissä erosi toisistaan noin 0.01 verran. Tämän lisäksi kaksoseen vaadittava laskennallinen raskaus oli huomattavasti pienempi kuin kvanttivarannon simuloimiseen vaadittava laskentateho. Kaksosen simulointi oli jopa satoja kertoja nopeampaa, mikä voi vaikuttaa siihen, milloin fyysisen kvanttitietokoneen käyttö on perusteltua.
Varantolaskenta kehitettiin yksinkertaistamaan muistia hyödyntävien takaisinkytkettyjen neuroverkkojen koulutusprosessia. Koko verkon kouluttamisen sijaan hyödynnetään systeemin eli varannon luonnollista dynamiikkaa ja lineaarisesti koulutettavaa tasoa lukemaan varannossa olevaa informaatiota. Ideaa on jatkettu kvanttikoneoppimiseen, jossa varantona toimivatkin kvanttisysteemit. Kvanttivarantolaskennan etuna on monipuolisempi varannon tila-avaruuden hyödyntäminen kvantti-ilmiöiden kuten superposition ja kietoutumisen kautta. Kvanttisysteemien käyttö mahdollistaa myös hyvin ilmaisukykyisen varannon rakentamisen, ilman että fyysisiä informaatioyksiköitä, esimerkiksi kubitteja, tarvitaan suuria määriä. Kvanttiteknologia on viime vuosina kehittynyt ja toimivien kvanttitietokoneiden määrä on lisääntynyt, mutta silti niiden hyötyjä hankaloittaa tarvittavien resurssien määrä, toteutus ja herkkyys. Ongelmat ovatkin läsnä myös käytännön kvanttivarantolaskennassa ja tässä tutkielmassa käsitellään uutta lähestymistapaa näihin ongelmiin niin sanotun digitaalisen kaksosen myötä. Kyseinen digitaalinen kaksonen on matemaattisesti varannosta muodostettu kopio, jonka tarkoituksena on jäljitellä oikean varannon toimintaa. Tutkielmassa käydään läpi digitaalisen kaksosen rakentaminen neljän kubitin kvanttipiiristä simuloidun varannon pohjalta. Tarkoituksena oli selvittää, onko lähestymistapa oikeasti mahdollinen ja onko kaksosen suorituskyky riittävä oikeaan varantoon verrattuna. Aihetta pohjustetaan tarkastelemalla varantolaskentaa yleisellä tasolla sekä klassisten neuroverkkojen pohjalta, että kvanttisysteemien kautta. Digitaalisen kaksosen muodostaminen onnistui käyttämällä alkuperäisen varannon funktioavaruuden kantaa ja sen suorituskyky oli hyvin lähellä kvanttivarantoa. Kvanttivarannon mittaustuloksista saadut havaintosuureet voitiin rakentaa uudelleen, siten että vähintään 96% jokaisen suureen alkuperäisestä varianssista voitiin selittää. Kaksonen jäljitteli varannon tuloksia hyvin läheisesti erilaisissa muistia ja yleistämistä vaativissa tehtävissä. Varannon ja kaksosen normalisoitu keskimääräinen neliövirhe tehtävissä erosi toisistaan noin 0.01 verran. Tämän lisäksi kaksoseen vaadittava laskennallinen raskaus oli huomattavasti pienempi kuin kvanttivarannon simuloimiseen vaadittava laskentateho. Kaksosen simulointi oli jopa satoja kertoja nopeampaa, mikä voi vaikuttaa siihen, milloin fyysisen kvanttitietokoneen käyttö on perusteltua.
Tutkielmassa käsitellään avoimia kvanttisysteemejä ja niiden kehitystä, lisäksi tutkielman lopussa simuloidaan tiettyä kvanttisysteemiä. Avoimien kvanttisysteemeiden vuorovaikuttaessa ympäristön kanssa, kvanttisysteemi kokee dekoherenssia, menettäen informaatiota ympäristöönsä. Dekoherenssi on keskeinen osa avoimen kvanttisysteemin kehittymistä. Avoimen kvanttisysteemin kehitystä ei voida kuvata unitaarioperaattoreilla, toisin kuin suljetulle systeemille. Kehitystä saadaan, kuitenkin mallinnettua masteryhtälöiden avulla. Kehitys voi olla Markovista, milloin kvanttisysteemi vain vuotaa informaatiota ympäristöönsä. On myös mahdollista, että ympäristö vuotaa informaatiota takaisin kvanttisysteemin, milloin kvanttisysteemin kehityksessä täytyy huomioida ympäristön muisti. Todellisuudessa kaikki kvanttisysteemit ovat avoimia, sillä mitään systeemiä ei voida eristää täysin ympäristöstään. On myös hyvä huomata, että masteryhtälöt ovat approksimaatioita systeemin kehityksestä, jotka pohjautuvat yksinkertaistuksiin ja oletuksiin.
Kvanttilaskennan eräs ongelma on kvanttisysteemien herkkyys ulkopuolisille vaikutuksille, eli dekoherenssille. Tämä tekee systeemin koherenssista resurssin, jota voidaan käyttää suorittamaan haluttuja toimintoja. Tutkielma alkaa johdannolla lineaarialgebraan ja kvanttimekaniikan perusteisiin, jotta kvanttilaskentaa voidaan mallintaa. Tätä seuraava osuus käsittelee kvanttilaskentaa ja alkaa esittelemällä kubitit, korostaen näiden ja klassisten bittien eroavaisuuksia. Lisäksi esitellään intuitiivinen tapa ajatella yksittäisiä kubitteja, Blochin pallo. Osio jatkuu esittelemällä kvanttiportit jälleen korostaen näiden eroavaisuuksia klassisisiin portteihin. Tämän jälkeen käsitellään kvanttilaskennan erittäin oleellinen eroavaisuus klassisen laskennan välillä, nimittäin mittaus, joka muuttaa alla olevan kvanttisysteemin tilaa ja täten vaikuttaa kvanttilaskennan tulokseen, mikäli mittaus tehdään kesken laskennan. Osuus päätetään esittelemällä yleisesti käytetty tapa mallintaa kvanttilaskentaa, kvanttipiirit. Kolmannessa osiossa kehitellään kvanttilaskennalle universaalien kvanttiporttien käsite. Tarkastelu aloitetaan kaksitasoisilla matriiseilla, jotka myöhemmin samaistetaan kvanttiportteihin. Osiossa myös kehitellään Blochin pallosta intuitiota kvanttiportteja vastaaviin kiertoihin. Tämän jälkeen esitetään tapa luoda mikä tahansa yhden kubitin portti kahdella kierrolla. Seuraavaksi osoitetaan, että tällaisella porttijoukolla ja kontrolloidulla NOT-portilla voidaan luoda mikä tahansa kvanttiportti. Lopuksi muodostetaan universaali porttijoukko. Lopuksi käydään koherenssin resurssiteoriaa. Ensiksi käydään vaaditut valmistelut kvanttioperaattoreista ja kvanttisysteemin entropiasta, jota varten esitellään von Neumannin entropia. Tämän jälkeen erotellaan kvanttisysteemin epäkoherentit tilat ja operaatiot koherenteista tiloista ja operaatioista sekä osoitetaan, että epäkoherenteilla operaatioilla ja yhdellä maksimaalisesti koherentilla kubitilla voidaan luoda mikä tahansa kvanttiportti. Lopuksi todistetaan, että systeemin tiheysmatriisin ja tiheysmatriisin diagonaalin välinen suhteellinen entropia on koherenssimitta.
Tutkielmassa käsitellään tapoja tutkia kvanttimekaanisia systeemejä ilman tilan romahdusta. Tarkoituksena on tutustua heikkoihin kvanttimittauksiin, josta voidaan johtaa kvanttimekaaniset heikot arvot. Perehdytään tarkemmin heikkojen arvojen erikoisiin ominaisuuksiin ja käydään läpi erilaisia tapoja mitata heikkoja arvoja. Lopuksi tutustutaan kirjallisuuden pohjalta erilaisiin heikkojen arvojen tulkintoihin. Kvanttimittaukset kuvataan systeemin ja mittalaitteen välisenä vuorovaikutuksena. Pienentämällä vuorovaikutuksen voimakkuutta voidaan mitata systeemin suureita häiritsemällä systeemin tilaa minimaalisesti. Vuorovaikutuksen heikentäminen johtaa kuitenkin siihen, että yksittäisen mittauksen epätarkkuus on niin suuri, ettei mittaus anna yhtään informaatiota systeemin tilasta. Suorittamalla monta identtistä mittausta voidaan mittausjoukon tarkkuus saadaan mielivaltaisen suureksi. Heikot arvot ovat heikkojen mittausten lopputuloksia. Nämä ovat erikoisia systeemiä kuvaavia suureita, koska ne voivat saada kompleksiarvoisia lopputuloksia, sekä ne voivat olla paljon ominaisarvoja suurempia. Tilan minimaalisen häiriön sekä heikkojen arvojen kompleksisen luonteen ansiosta heikoilla mittauksilla on mahdollista mitata systeemin ei-kommutoivia suureita. Voidaan siis suorittaa useampi heikko mittaus peräkkäin samalle systeemille. Näillä mittauksilla voidaan suorittaa kvanttisysteemin tilaa kuvaavan aaltofunktion tomografia tai mitata yksittäisen fotonin ei-kommutoivien polarisaatio-observaabelien arvoja. Erikoisen luonteensa ansiosta heikoille arvoille ei ole yksikäsitteistä tulkintaa. Tutkielmassa tutustutaan erilaisiin tulkintoihin. Odotusarvotulkinnan mukaan heikot arvot kuvaavat tietynlaista idealisoitua odotusarvoa systeemin suureille. Tilastollisessa tulkinnassa ehdotetaan heikkojen arvojen syntyvän mittausdatan ulkoisesta häiriöstä ja tilastollisesta manipuloinnista, jolloin sen kvanttimekaaninen luonne katoaa. Heikkojen arvojen voidaan myös niiden käyttäytymisen mukaan ajatella kuvaavan kahden amplitudin välistä suhdetta.
Tekoäly on tietokoneille laskennan, muistin käytön ja energiankulutuksen kannalta erittäin vaativaa. Kuvantunnistuksessa, tekoälyn haarassa, hyödynnettävät neuro- ja konvoluutioverkot vaativat kehityksen myötä jatkuvasti enemmän laskentatehoa ja sitä myötä myös kuluttavat enemmän energiaa. Digitaalisen tietokoneen tueksi on kehitetty analogisia teknologioita tehostamaan tekoälyn vaatimia laskennan ja muistin tarpeita. Tämä kandidaatintutkielma toteutettiin kirjallisuuskatsauksena. Tutkielman lähteinä toimivat pääasiallisesti vertaisarvioidut tieteelliset artikkelit sekä alalla toimivien yritysten verkkosivut ja julkaisut. Tutkielmassa käsitellään digitaalisen ja analogi- sen laskennan eroavaisuuksia, esitellään tekoälyyn liittyviä tekniikoita, jotka ovat kuvantunnistuksen toiminnan ymmärtämisen kannalta olennaisia ja perehdytään syvällisemmin yhteen kuvantunnistuksen saralla ansioituneeseen kuvantunnistusohjelmaan. Lopuksi esitellään teknologia, joka hyödyntää analogista laskentaa kuvan- tunnistuksen tehostamiseen ja pohditaan sen tulevaisuutta. Konvoluutioverkot, joilla pystyy suorittamaan huomattavan tarkkaa kuvantunnistusta, vaatii miljoonien parametrien tarkkaa säätämistä, joka vie valtavan määrän energiaa ja laskentatehoa. Analogisin menetelmin pystytään vähentämään energian- kulutusta ja tehostamaan laskentaa, mutta teknologia ei ole vielä valmis kuluttaja- markkinoille ja vaatii vielä valtavan määrän uutta tutkimusta.
Tässä kirjallisuuskatsauksena toteutetussa tutkielmassa tarkastellaan ionisoivan säteilyn vaikutuksia kvanttitietokoneiden elektroniikkaan. Tutkielman tavoitteena on selvittää, miten ionisoiva säteily vaikuttaa suprajohtaviin kubitteihin ja millaisia virheitä se aiheuttaa kvanttilaskennassa. Lisäksi tutkielma käsittelee kvanttilaskennan kannalta olennaisia käsitteitä ja fysikaalisia ilmiöitä, jotka ovat välttämättömiä aiheen tieteellisemmän käsittelyn kannalta. Erityisesti perehdytään kosmisesta säteilystä peräisin olevien myonien ja ympäristön radioaktiivisten alkuaineiden hajoamistuotteina syntyvien γ-säteiden vaikutuksiin suprajohtavassa kubitissa. Tutkielmassa huomataan ionisoivan säteilyn aiheuttavan kvanttilaskennassa relaksaatio-, vaihe-ero- ja korreloituja virheitä, mutta erityisesti korreloitujen virheiden aiheuttavan haasteita virheenkorjausmenetelmissä. Tutkielmassa myös käsitellään virheenkorjausmenetelmiä ja ratkaisuja säteilysuojaukseen. Tutkielman perusteella voidaan todeta ionisoivan säteilyn vaikutusten ymmärtämisen olevan tärkeää vikasietoisen kvanttilaskennan kehittämiseksi. Tulokset osoittavat myös, että tarvitaan lisätutkimusta korreloitujen virheiden suojausmekanismien kehitykseen.
Kvanttilaskenta on kasvava tieteenala, joka sai alkunsa 1980-luvulla. Viime aikoina sekä uusien algoritmien että kvanttitietokoneen realisaatioiden kehitys on ollut nopeaa. Kiinnostusta alaan ylläpitää tieto siitä, että suurimittaiset kvanttitietokoneet pystyisivät ratkaisemaan tiettyjä laskennallisia ongelmia nopeammin kuin mitkään nykyperiaatteilla toimivat tietokoneet. Kvanttitietokoneessa informaatio on tallennettu kvanttirekisteriin, joka koostuu kvanttibitteistä eli kubiteista. Rekisterin tilaa voidaan kuvata tilavektorilla. Mahdollisia laskenta-operaatioita voidaan puolestaan kuvata tilavektorin kertomisella unitaarisilla matriiseilla. Viime vuosina on kehitetty menetelmiä, joilla monen kubitin operaatiot eli portit saadaan hajotettua mahdollisimman lyhyeksi sarjaksi realisaatioissa toteutettavissa olevia yhden ja kahden kubitin alkeisportteja. Tehokkaiden laskenta-algoritmien kehittäminen on olennaista tulevaisuuden kvanttitietokoneiden hyödyntämisen kannalta. Tässä työssä on perehdytty erilaisiin mielivaltaisten monikubittiporttien hajotelmiin. Työssä esitellään muutamia uusia hajotelmia ja parannuksia entisiin. Lisäksi on tutkittu alkeisporttikirjaston kaksikubittiportin valintaa. Erityisesti on paneuduttu eri menetelmiin luokitella kaksikubittiportteja. Tähän liittyen työssä esitetään uusi, kaikki kaksikubittiportit kattava tehokkuusluokittelu.