СМИ о нас
| 11.06.25 | 09.06.2025 Телеграм-канал Росатом Квантовые технологии. Участники и эксперты квантовой компетенции Atomskills совершили путешествие в самое сердце российской физики – ФИАН |
Участники и эксперты квантовой компетенции Atomskills совершили путешествие в самое сердце российской физики – Физический институт имени П.Н. Лебедева РАН (ФИАН).
Это был не просто визит, а насыщенный день глубокого погружения в мир квантовых технологий. Ребята смогли пообщаться с лидерами Квантового проекта "Росатома".
Екатерина Солнцева, директор по квантовым технологиям «Росатома», подчеркнула важность системного взаимодействия заинтересованной молодежи с учеными Квантового проекта:
«Со многими из вас мы виделись в Екатеринбурге на чемпионате «АТОМСКИЛЛС». Сохранение вашего интереса к развитию российских квантовых технологий, к работе наших научных коллективов – это правильный подход к выстраиванию профессиональной траектории в науке. Важна включенность в Квантовый проект уже сейчас, понимание его долгосрочных целей, чтобы потом, когда вы присоединитесь к общей работе в качестве профессионалов, вы понимали цели, содержание и дух проекта».
Николай Колачевский, директор Физического института имени П.Н. Лебедева Российской академии наук, рассказал о передовых научных разработках института в области квантовых технологий.
«Успехи в развитии квантовых технологий в нашей стране – а мы не только догнали, но и в чем-то опережаем зарубежных коллег – становятся заметными в мире и даже начинают беспокоить «конкурентов». В мире идет активная гонка за квантовое лидерство, и нашей стране важно не терять темп работы. Для этого нужны молодые исследователи с широким кругом компетенций – в физике, программировании. И «квантовые» навыки должны быть на высоком уровне», – отметил Николай Колачевский.
Роман Ильин, директор Департамента по развитию кадрового потенциала и образовательной экосистемы «Росатом Квантовые технологии», познакомил слушателей с образовательными проектами, которые помогут подготовить специалистов будущего.
Также ребята своими глазами увидели, где рождаются прорывы:
Посетили лабораторию с самым мощным российским квантовым компьютером на ионной платформе объемом в 50-кубитов, который представил лидер научной группы его создателей – заведующий лабораторией распределенных квантовых технологий для решения задач машинного обучения ФИАН, лауреат Национальной премии в области будущих технологий «ВЫЗОВ» Илья Семериков.
Он отметил повышение статуса ученого в современном российском обществе и призвал молодежь не бояться амбициозных исследовательских задач.
«Работа в науке очень интересная, а сами ученые сегодня снова становятся примером для подрастающего поколения, которое стремится внести свой вклад в научно-технический прогресс. Я призываю вас не бояться сложных задач: даже если вы не сразу найдете решение, именно дерзновенное молодое мышление поможет вам преодолеть трудности и найти нестандартный подход к исследованиям»
Побывали в Центре высокотемпературной сверхпроводимости и квантовых материалов им. В.Л. Гинзбурга.
Стратегия Госкорпорации в квантовой сфере до 2030 года предполагает глобальное лидерство в практическом применении квантовых технологий. На горизонте 5-10 лет предполагается, что в мире и России появятся квантовые вычислители значительной мощности, достаточной для получения практической пользы от внедрения квантовых алгоритмов в различных отраслях экономики и сформируется широкий круг организаций, внедряющих квантовые вычисления. А значит, что уже сегодня необходимо запустить кузницу кадров, которые через пятилетку будут с квантами «на ты».
50-кубитный квантовый компьютер на ионах, к которому получили доступ студенты и начинающие исследователи, создан в 2024 году учеными ФИАН и Российского квантового центра в рамках дорожной карты высокотехнологичной области «Квантовые вычисления», координируемой «Росатомом».
Этот день стал мощным источником вдохновения и мотивации для юных талантов.
Он наглядно показал связь между знаниями, полученными на конкурсе, и реальными научными исследованиями и разработками, которые сегодня определяют технологический ландшафт
| 03.06.25 | 02.06.2025 Российский квантовый центр. Николай Колачевский был избран академиком РАН |
Научный руководитель группы РКЦ «Прецизионные квантовые измерения», директор Физического института им. П.Н. Лебедева РАН Николай Николаевич Колачевский был избран академиком Российской академии наук (РАН) по специальности «физика и астрономия». Результаты выборов в члены РАН объявили 30 мая 2025 года на Общем собрании академии.
Научные интересы Николая Колачевского лежат в области прецизионной лазерной спектроскопии, рентгеновской, нелинейной и квантовой оптики, лазерного охлаждения. Он один из ключевых участников экспериментов по прецизионной спектроскопии атомов водорода и автор одного из мобильных оптических стандартов частоты – стандарта на основе атома тулия, почти не чувствительного к излучению черного тела – уникальной российской разработки в области измерения времени.
Николай Николаевич являлся членом-корреспондентом РАН с 2011 года, с 2022 года входит в Президиум академии. В 2012 году он присоединился к коллективу Российского квантового центра, где через два года стал руководителем научной группы, а с 2015 года также возглавляет Физический институт им. П.Н. Лебедева РАН.
Поздравляем коллегу с этим заслуженным званием! За каждым его достижением — годы упорного труда и преданность науке!
| 02.06.25 | 02.06.2025 Атомная Энергия 2.0. Российские ФИАН и РКЦ впервые совместили квантовый компьютер и алгоритмы машинного обучения |
Прогресс в разработке квантовых компьютеров показал, что они способны проводить вычисления, которые недоступны самым мощным классическим суперкомпьютерам. Исследователи из Физического института имени П.Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) одни из первых в мире продемонстрировали решение прикладных задач на квантовом компьютере. Так, в ходе эксперимента они использовали процессор на основе ионов иттербия (Yb+) и разделили с его помощью написанные от руки изображения нуля и единицы, а также математических объектов – графов.
Причем для достижения цели были задействованы алгоритмы машинного обучения, реализованные на квантовом процессоре. Результаты научной работы опубликованы в Physical Review Aexternal link, opens in a new tab – одном из наиболее авторитетных академических журналов, посвященных вопросам физики.
«Такие технологии активно развивают во всех ведущих странах. На данный момент важный вызов – это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результат нашей работы – применение этих алгоритмов в сочетании с технологией машинного обучения», – рассказал один из участников исследования, научный руководитель группы «Квантовые информационные технологии» РКЦ А.К. Федоров.
По его словам, в целом, подобные эксперименты проводили и ранее, но предложенный российскими специалистами подход отличается своей оригинальностью. В частности, ученые сравнили различные способы кодирования данных в квантовые состояния и определили наиболее эффективный вариант.
Как объяснили исследователи, в работе был применен метод SVM (support vector machine) – это популярный для задач классификации метод машинного обучения. Он помогает разделять данные на классы посредством проведенной между ними наиболее оптимальным образом нелинейной границы. «Ядерную часть» алгоритма (сравнение данных) выполняли на квантовом процессоре. Это позволило эффективно обрабатывать даже сложные изображения.
«Для перевода ионов в квантовое состояние мы создавали суперпозиции и проводили операции запутывания кубитов. Квантовые состояния отдельных ионов изменялись с помощью лазеров и детекторов излучения. По завершении вычислений измерялось состояние иона, и на основе этих данных интерпретировались результаты работы алгоритмов машинного обучения», – описал процесс квантовых вычислений Алексей Федоров.
В процессе работы ученые экспериментировали с квантовыми цепями (один из способов реализации алгоритмов, который уменьшает количество шумных операций), что помогло улучшить качество вычислений.
Как объяснили ученые, алгоритм «обучался» на маленьком наборе данных, где каждое изображение уже имело правильный ответ (нуль или единица). В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках, то есть справился с задачей без ошибок.
Таким образом было показано, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие как классификация изображений. Это большой шаг к будущему, где квантовые процессоры будут выполнять более сложные вычисления.
По словам директора ФИАН Н.Н. Колачевского, в дальнейшем по мере развития подобная технология квантовой классификации сможет применяться для множества практических задач. Например, в медицине ее можно использовать для автоматического анализа рентгеновских снимков и данных МРТ и КТ, что поможет оперативно диагностировать заболевания.
«В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Вместе с тем химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В то же время в финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски», – пояснил Николай Колачевский.
В будущем данная технология найдет применение в создании систем искусственного интеллекта, где квантовые вычисления будут дополнять классические методы, ускоряя обучение нейросетей и повышая точность обработки данных.
| 02.06.25 | 01.06.2025 Известия. Ученый процесс: машинное обучение на квантовом компьютере и бензин из воздуха |
Российские исследователи научили роботов ориентироваться по принципам, которые работают в мозге человека, разработали универсальную станцию внешнего пилота, которая помогает управлять дронами разного типа, а также применили машинное обучение на квантовом компьютере. В США представили устройство, которое производит бензин из воздуха. А в Китае создали самое крупное в мире 250-метровое судно-ферму для разведения лосося и других ценных видов рыб в открытом море. О самых интересных научных достижениях за последнюю неделю читайте в подборке «Известий».
Алгоритмы человеческой памяти для ориентации роботов
Ученые из ФИЦ «Информатика и управление» (ФИЦ ИУ) РАН и МФТИ разработали новаторский метод ориентации роботов, которые дает им возможность обходиться без глобальных систем позиционирования и детальных карт местности.
Новый подход базируется на алгоритмах, подобных тем, на которых функционирует человеческий мозг. Программа выделяет на местности основные ориентиры и устанавливает взаимосвязи между ними. Это позволяет машинам экономить вычислительные ресурсы и при этом более оперативно планировать маршрут.
— Эксперименты в виртуальных 3D-средах и натурные испытания показали, что новый метод успешно строит точные и связные карты-схемы даже при наличии погрешности измерений датчиков, — рассказал инженер лаборатории интеллектуального транспорта Александр Мелехин.
Фото: РИА Новости/Григорий Сысоев
Как объяснили исследователи, разработка получила название PRISM-TopoMap (Place Recognition and Integrated Scan Matching for Topological Mapping) — распознавание места и интегрированное сопоставление результатов сканирования для топологического картографирования.
Технология позволяет машинному управляющему устройству строить и обновлять карту непосредственно во время движения. В дальнейшем разработчики намерены обучить систему определять тип помещений, различая цеха, склады, кухни и коридоры.
Универсальный «внешний пилот» для дронов
Первую в стране и одну из первых в мире универсальную станцию внешнего пилота разработали специалисты дирекции «Аэромобильность» и центра «Беспилотные авиационные системы» Московского авиационного института. Устройство позволяет управлять дронами авиационного, коптерного и гибридного типов.
Станция связывается с беспилотным воздушным судном посредством радиоканала. Прибор позволяет выстраивать и контролировать траекторию полета БВС и получать данные от полезных нагрузок и управлять ими.
Фото: ИЗВЕСТИЯ/Дмитрий Астрахань
«Взаимодействие с дроном начинается еще до взлета. Оператору необходимо задать маршрут, указать ключевые точки, высоту, скорость и дополнительные задачи. Например, включение камеры, съемку, остановку в воздухе. Все эти данные передаются в систему управления дрона. Как только он поднимается в воздух, начинается непрерывный обмен информацией с наземной станцией», — рассказал один из разработчиков, главный конструктор центра «Беспилотные летательные аппараты» МАИ Максим Калягин.
В состав прибора входят сенсорный экран, панель управления, корпус, устойчивый к неблагоприятным внешним условиям. Аккумулятор рассчитан на пять часов активной работы.
Машинное обучение на квантовом компьютере
Специалисты из Физического института имени П.Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) продемонстрировали решение прикладных задач на квантовом компьютере. Причем для достижения цели они одни из первых в мире задействовали алгоритмы машинного обучения для квантовых вычислений.
— Такие технологии активно развивают во всех ведущих странах. На данный момент важный вызов — это тестирование методов квантовых вычислений на различных прикладных задачах. В частности, один из главных результатов нашей работы — применение этих алгоритмов в сочетании с технологией машинного обучения», — сообщил руководитель группы «Квантовые информационные технологии» РКЦ Алексей Федоров.
Фото: Getty Images/picture alliance/Contributor
По его словам, в ходе эксперимента специалисты использовали процессор на основе ионов иттербия (Yb+). С его помощью они разделили написанные от руки изображения нуля и единицы и ряд математических объектов — графов. В результате квантовый компьютер правильно определил все цифры как на обучающих, так и на тестовых картинках. То есть справился с задачей без ошибок.
Таким образом ученые показали, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие как классификация изображений. Это шаг к будущему, где квантовые процессоры начнут выполнять более сложные вычисления. Например, проверять последовательности ДНК или моделировать новые молекулярные структуры.
Бензин будут добывать из воздуха
В США представили устройство, которое производит бензин из воздуха. Его разработали в стартап-команде Aircela. Прибор из окружающего пространства добывает углекислый газ (СО2) и воду (Н2О) и в результате ряда химических процессов перерабатывает их в высокооктановое топливо.
Необходимую энергию установка получает с помощью солнечных батарей. По словам изобретателей, разработка подходит для эксплуатации в обычных бытовых условиях.
— Мы используем электролиз для разделения воды на водород и кислород с помощью экологически чистого электричества. Последний безопасно высвобождается, а водород и улавливаемый CO₂ и объединяются для получения метанола. Затем он преобразуется в бензин с помощью стандартных химических процессов. В результате получается бензин, не содержащий ископаемого топлива, полностью совместимый с существующими двигателями и инфраструктурой, — говорится на сайте компании.
Фото: ИЗВЕСТИЯ/Анна Селина
Ученые сообщили, что готовы приступить к серийному производству установок, но, как предполагают эксперты, на текущий момент затраты энергии и расходников сделают себестоимость процесса слишком дорогой. В будущем такие приборы найдут свою нишу.
Корабль для выращивания 8 тыс. т лосося в год
В Китае представили самое крупное в мире 250-метровое судно-ферму для разведения лосося и других ценных видов рыб в открытом море. Оно получило название Su Hai No 1, что указывает на связь с провинцией Цзянсу. Ожидается, что плавучее производство будет работать в акватории Желтого моря, где оптимальные условия для лосося (низкие температуры и хорошая циркуляция воды). Выращивать будут до 8 тыс. т рыбы в год.
По данным судовладельца компании Jiangsu Lianshen Marine Technology, судно оборудовано системами искусственного интеллекта, очистки воды, автоматического кормления и мониторинга. Это минимизирует воздействие на окружающую природу.
Фото: ИЗВЕСТИЯ/Дмитрий Коротаев
Ходовые испытания Su Hai No 1 прошли в апреле, а в июне судно будет спущено на воду. Осенью планируют запустить промышленную линию, а первую партию лосося выловят в 2026 году. Всего в Китае потребляют порядка 100 тыс. т этой рыбы. Новый проект покроет до 8% спроса. Если он окажется успешным, в стране создадут флотилию подобных судов.
| 31.07.25 | 31.07.2025 Научная Россия. Физику Владимиру Ивановичу Ритусу присуждена Золотая медаль имени Тамма |
Постановлением Президиума Российской академии наук Золотой медали имени И.Е. Тамма в 2025 году удостоен член-корреспондент РАН В.И. Ритус.
Главный научный сотрудник Лаборатории квантовой теории поля, член-корреспондент РАН, профессор В.И. Ритус.
Источник фото: ФИАН
Награда присуждена за цикл работ «Обнаружение дуальной связи электродинамики и двумерной теории скалярного поля, приводящей к уникальному конечному значению затравочного заряда и перенормировочному фактору Дайсона».
Золотая медаль им. И.Е. Тамма – премия, которую РАН присуждает с 1995 года за выдающиеся работы по теоретической физике и физике элементарных частиц, теории поля. Медаль носит имя лауреата Нобелевской премии по физике Игоря Тамма.
Информация и фото предоставлены Отделом по связям с общественностью ФИАН
| 31.07.25 | 29.07.2025 Атомная Энергия 2.0. Главный научный сотрудник Лаборатории квантовой теории поля ФИАН Владимир Ритус удостоен Золотой медали имени И.Е. Тамма |
Постановлением Президиума Российской академии наук Золотой медали имени И.Е. Тамма в 2025 году удостоен главный научный сотрудник Лаборатории квантовой теории поля ФИАН, член-корреспондент РАН, профессор В.И. Ритус.
Награда присуждена за цикл работ «Обнаружение дуальной связи электродинамики и двумерной теории скалярного поля, приводящей к уникальному конечному значению затравочного заряда и перенормировочному фактору Дайсона».
Золотая медаль им. И.Е. Тамма – премия, которую РАН присуждает с 1995 года за выдающиеся работы по теоретической физике и физике элементарных частиц, теории поля. Медаль носит имя лауреата Нобелевской премии по физике Игоря Тамма.
| 21.07.25 | 21.07.2025 Научная Россия. Все, везде и сразу. Квантовые объекты и движение по всем траекториям |
Алексей Михайлович Семихатов ― доктор физико-математических наук, заведующий лабораторией теории фундаментальных взаимодействий Физического института им. П.Н. Лебедева РАН (ФИАН), популяризатор науки, лектор и телеведущий
А.М. Семихатов
Фото: Елена Либрик / Научная Россия
Я включаю лазер и направляю его в воду. Луч движется по прямой, пока не встречает новую среду, затем преломляется и добирается до дна аквариума. Если измерить время, затраченное светом на преодоление этого пути, окажется, что такой путь — оптимальный, самый быстрый. Ну и что, спрошу я. Разве это не естественно?
«Да, законы Ньютона математически выражают, как причины (воздействия) вызывают движение. Но те же самые уравнения можно сформулировать альтернативным способом — через принцип наименьшего действия. Представьте: тело движется из точки А в момент времени t1 в точку Б в момент t2. Между этими событиями существует бесконечное множество возможных траекторий. Однако в реальности тело выбирает лишь одну (например, снаряд, выпущенный под углом к горизонту, летит по параболе, а не по произвольной кривой). Эта траектория соответствует минимуму действия — физической величины, вычисляемой для каждого пути. Оба подхода — через уравнения Ньютона и через действие — математически эквивалентны, но второй открывает путь к обобщениям в квантовой теории и теории поля», — продолжил А.М. Семихатов.
Действие в физике — это своеобразная «всемирная лень». Оно определяется как разность между кинетической и потенциальной энергией системы. Эти два вида энергии лежат в основе механики.
- Кинетическая энергия — энергия движения. Чтобы разогнать объект (например, бросить камень), необходимо приложить силу.
- Потенциальная энергия — энергия взаимодействия (например, гравитационного или электромагнитного).
«Теперь обратимся к квантовой механике. Это непредставимый мир, где объекты не движутся по определенным траекториям. Именно поэтому, кстати, я воюю с эмблемой Международного агентства по атомной энергии (МАГАТЭ), на которой изображены электроны, летящие по орбитам вокруг ядра. В действительности же электроны не летают по орбитам. Для квантовых объектов принципиально невозможно одновременно иметь точное положение в пространстве и точную скорость. Это отражено в принципе неопределенности Гейзенберга. Поэтому сама концепция траектории в квантовой механике теряет смысл. Здесь хочется задать вопрос: “Но если электроны не летают по траекториям, то что же они делают?” Квантовая механика, однако, обходится без прямого ответа. Различные интерпретации пытаются нечто по этому поводу высказать, но стандартная квантовая механика фокусируется не на описании “реальности”, а на предсказании результатов экспериментов», — заострил внимание ученый.
Проблема квантовых объектов в том, что они в принципе никак не выглядят
«В строго одинаковых условиях одно и то же измерение может давать различные результаты. Квантовая механика определяет лишь вероятности, а предсказать конкретный исход отдельного эксперимента невозможно. Последовательность результатов может выглядеть так: первый, первый, второй, второй, второй, первый, третий и т.д. Однако при проведении тысячи измерений становятся видны закономерности: одни результаты возникают чаще других. Эти эмпирические частоты соответствуют вероятностям, которые извлекаются из формализма квантовой механики. Вся ее математическая структура направлена на расчет именно таких вероятностей. Механизм тут довольно хитрый. Сначала, используя уравнение Шредингера, определяют так называемые амплитуды вероятности — комплексные числа, которые сами по себе не представляют вероятностей (ведь вероятность должна быть положительной величиной в диапазоне от 0 до 1). А чтобы получить вероятность из амплитуды, надо возвести ее модуль в квадрат», — объяснил А.М. Семихатов.
Представим себе «шарик» электрона, который вылетает из установки и добирается до барьера с двумя щелями. Разум человека, привыкший к объектам вроде камня или мяча, которые движутся только по одной траектории, предполагает, что электрон, оказавшись перед барьером, в большинстве случаев будет «выбирать» щель, которая потребует меньше затрат энергии. Почему же иногда электрон будет проходить через другую щель? Предположим, что электрон «проверяет» и этот второй путь и каким-то образом делает это одновременно с тем, как «проверяет» первый путь.
Двухщелевой опыт
Теперь представим себе электрон, рисующий в воздухе множество траекторий, по которым мог бы полететь. Часть проходит через первую щель, а другая часть — через вторую. «Шарик» электрона уже перестает быть похожим на «шарик». Скорее можно представить себе гонку множества «шариков», которые проверяют каждый возможный путь одновременно, и в конце концов кто-то приходит к финишу первый. Этого «победителя» и фиксирует экран. Но… почему победитель не всегда один и тот же? Точнее, почему именно на квантовом уровне победители разные, а на нашем привычном мяч или камень так себя не ведут?
«Этот метод называется интегралом по траекториям, или фейнмановским интегралом — как вам удобнее. Это прекрасный способ вычисления. Рассуждения о том, что при этом “происходит”, — это уже интерпретации», — подводит итог А.М. Семихатов.
Получается, что на первый вопрос «почему так происходит, что электрон не всегда следует по одной и той же траектории и не всегда оказывается в одном и том же месте» дать ответ мы пока не можем. Одна из интерпретаций такова, что электрон и не выбирает вовсе никакой путь, а просто летит сразу по всем возможным и с какой-то вероятностью оказывается в том или ином месте. Представим снова двухщелевой эксперимент. Из точки, где вылетел электрон, в точку его соударения с экраном проходят множество траекторий: какие-то — через первую щель, какие-то — через вторую. Теперь представлю, что щелей не две, а три. Траекторий прибавилось, и электрон может проследовать по любой из них с какой-то вероятностью. Потом представим, что щелей не три, а пять, десять, сто, тысяча…, пока, наконец, их не станет бесконечно много. И барьеров между установкой и экраном представим не один, а два, три, сто, миллион, бесконечно много. По этой логике электрон должен будет следовать по всей бесконечности возможных траекторий — где-то с большей, а где-то с меньшей вероятностью. То есть дело вовсе не в барьере. Барьер лишь изменял вероятности некоторых исходов.
Освещение двух щелей плоской волной
Несмотря на всю кажущуюся фантасмагоричность квантовой механики, способность ученых описывать поведение этих странных объектов приносит весьма конкретные практические плоды. Прогресс в разработке квантовых компьютеров показал, что они способны проводить вычисления, которые недоступны самым мощным классическим суперкомпьютерам. Так, исследователи из Физического института им. П.Н. Лебедева РАН (ФИАН) и Российского квантового центра (РКЦ) одни из первых в мире продемонстрировали решение прикладных задач на квантовом компьютере. В ходе эксперимента они использовали процессор на основе ионов иттербия (Yb+) и разделили с его помощью написанные от руки изображения нуля и единицы, а также математических объектов — графов. Было показано, что даже небольшие квантовые процессоры уже могут решать простые, но практически значимые задачи, такие как классификация изображений. Это большой шаг к будущему, где квантовые процессоры будут выполнять более сложные вычисления.
Для достижения цели были задействованы алгоритмы машинного обучения, реализованные на квантовом процессоре. Как объяснили исследователи, в работе был применен метод SVM (support vector machine) — это популярный для задач классификации метод машинного обучения. Он помогает разделять данные на классы посредством проведенной между ними оптимальным образом нелинейной границы. «Ядерную часть» алгоритма (сравнение данных) выполняли на квантовом процессоре. Это позволило эффективно обрабатывать даже сложные изображения.
По словам директора ФИАН академика Николая Николаевича Колачевского, в дальнейшем, по мере развития, подобная технология квантовой классификации сможет применяться для множества практических задач. Например, в медицине ее можно использовать для автоматического анализа рентгеновских снимков и данных МРТ и КТ, что поможет оперативно диагностировать заболевания. «В области генетики и биоинформатики квантовые алгоритмы смогут проверять последовательности ДНК, выявляя мутации и предсказывая их влияние на организм. Вместе с тем химия получит инструмент для поиска новых молекулярных структур и моделирования каталитических процессов. В то же время в финансовой сфере квантовые алгоритмы смогут находить сложные закономерности в рыночных данных, улучшая прогнозирование и снижая риски», — пояснил ученый.
| 18.07.25 | 17.07.2025 ВКонтакте форум «Микроэлектроника». Учёные применили машинное обучение на квантовом компьютере |
Отечественные учёные успешно применили машинное обучение на квантовом компьютере
Эксперимент специалистов из ФИАН продемонстрировал способность квантовых процессоров быстро справляться с классификационными задачами благодаря специальным алгоритмам.
Рассказываем, что сделали российские учёные, и каких результатов удалось добиться.
| 18.07.25 | 17.07.2025 Телеграм-канал форум «Микроэлектроника». Учёные применили машинное обучение на квантовом компьютере |
Отечественные учёные успешно применили машинное обучение на квантовом компьютере
Эксперимент специалистов из ФИАН продемонстрировал способность квантовых процессоров быстро справляться с классификационными задачами благодаря специальным алгоритмам.
Рассказываем, что сделали российские учёные, и каких результатов удалось добиться
| 17.07.25 | 16.07.2025 ВКонтакте Росатом Квантовые технологии. Российский 50-кубитный квантовый компьютер успешно прошел тестовые испытания |
Тем временем, российский 50-кубитный квантовый компьютер успешно прошел тестовые испытания.
Ученые из Физического института имени П.Н. Лебедева РАН в ходе серии исследовательских экспериментов оценили ключевые характеристики первого российского 50-кубитного компьютера, построенного по технологии холодных ионов.
Научная статья, в которой описаны результаты работы, опубликована в журнале «Успехи физических наук» – ведущем отечественном академическом издании, посвященном актуальным проблемам физики.
В процессе испытаний ученые использовали задачи, которые в будущем позволят осуществлять реальные квантовые расчеты.
Специалисты ФИАН в ходе эксперимента обучили нейросеть сортировать написанные от руки изображения цифр. В будущем эта технология может применяться, к примеру, для быстрого поиска новых эффективных молекул, распознавания лиц, проверки ДНК и множества других операций.
