Физики придумали квантовое го ( 3 фото )

Xian-Min Jin et al. / arXiv.org, 2020

Китайские физики придумали и экспериментально реализовали квантовый вариант игры в го. Они показали, что множество возможных позиций в такой игре значительно больше, чем у классического аналога. Благодаря своей сложности квантовое го может стать одним из перспективных кандидатов для демонстрации квантового превосходства. Препринт статьи доступен на arXiv.org.

В 2016 году программа AlphaGo, которая использует алгоритмы машинного обучения, обыграла Ли Седоля, а затем и Кэ Цзе — сильнейших игроков в го. На тот момент казалось, что обработать такое огромное количество информации и обыграть профессионала просто невозможно. Подробнее об этом читайте в материале «Го: речь поражения».

Ученые под руководством

Сань Минь Цзинь (Xian-Min Jin) из Научно-технического университета Китая решили увеличить и без того большое число возможных позиций игры с помощью квантовой

механики. Такая задача становится интересной не только с

точки зрения возможностей машинного обучения, но и с точки зрения квантовых

технологий. Она может быть слишком сложной для классического компьютера, что

дает возможность квантовым вычислениям продемонстрировать свое превосходство.

В классическое го играют камнями

двух цветов — черного и белого. Два игрока по очереди выставляют камни на пересечения

клеток игрового поля размеров 19 на 19 (возможны варианты 9 на 9, 13 на

13). Цель игры — отгородить своими камнями территорию больше, чем у соперника. Дополнительные очки можно получить, если на захваченной территории есть камни противника.

Авторы предложили новую версию игры с использованием квантовой суперпозиции и измерений. В квантовом го появляется возможность ставить камень сразу в два разных места доски. Игрок выбирает две

позиции, в которых может находиться камень и указывает их. С этого момента и до

того, как этот камень будет измерен, он находится в состоянии

суперпозиции. То есть с определенными вероятностями он может быть обнаружен в одном

или другом положении. Даже игрок, который поставил этот квантовый камень не

знает, где именно окажется камень после измерения. Измерение в квантовой

механике заставляет квантовый объект выбрать одно из двух состояний (сколлапсировать). В данном случае после измерения квантовый камень превращается в классический и

занимает только одно место на доске. Измерение камня происходит тогда, когда на

соседнем пересечении появляется другой камень.


В начальном положении на доске находятся три квантовых камня: 1, 2, 3. На рисунке b показаны все варианты, когда камни 1 и 3 сколлапсировали в одно из двух состояний. После постановки на доску камня 4, происходит их измерение камней 1, 3 и они становятся классическими (самая правая картинка).

Xian-Min Jin et al. / arXiv.org, 2020

Такая вариация игры добавляет в

нее элемент случайности и значительно увеличивает множество возможных расстановок. Помимо этого усложнить

игру можно и другим способом: скрывать часть информации об игре от участников. В квантовом го можно предоставить игроку самому выбирать вероятности

положения камня и не говорить о них сопернику. В таком случае игра может быть

сведена к классическому го, если каждый раз одному из положений присваивать единичную

вероятность.

В исследовании своей задумки

авторы пошли дальше и создали экспериментальный прототип игры. Для этого они

использовали источник пар запутанных фотонов, которые измерялись с помощью

однофотонных детекторов. Каждое измерение в игре производилось над реальной

квантовой системой, коллапс которой говорил о том, куда необходимо поставить

измеряемый камень. Такая оптическая схема позволяет реализовывать и вариант

игры со скрытой информацией.


Дерево всех возможных исходов игры на доске 3 на 3 для (a) классического го, (b) квантового го

Xian-Min Jin et al. / arXiv.org, 2020

Простейшая модель игры на доске 3 на 3 показала, что множество позиций для квантового го значительно больше, чем для классического. Кроме того, квантовое го оказалось сложнее не только своего классического аналога, но и других недетерминированных игр и игр со скрытой информацией. Благодаря своей сложности новая игра может стать полем для экспериментов в области классических и квантовых алгоритмов.

Пока программы на основе алгоритмов машинного обучения показывают успехи в соревновании с людьми. Так, ученые из DeepMind разработали алгоритм AlphaStar для игры StarCraft 2, который обыграл 99,8 процента игроков в одном

турнире. Покер тоже не остался без внимания: искусственный интеллект Libratus выиграл у профессиональных игроков

в 20-дневном покерном турнире. А новая версия AlphaGo Zero самостоятельно научилась играть в шахматы и сёги.

Оксана Борзенкова

Материал взят: Тут