Опубликовано 21 марта 2026

Квантовое оригами: как создать стабильное состояние частицы без ошибок

Квантовое оригами: как сложить идеальное состояние частицы, не потеряв её по дороге

Исследователи предложили способ синтезировать сложные квантовые состояния с меньшими затратами ресурсов, что может приблизить нас к надёжным квантовым вычислениям.

Физика и космос / Квантовая физика 9 – 14 минут чтения
Автор публикации: Доктор Ирина Лебедева 9 – 14 минут чтения
«Когда я дописывала этот текст, меня не отпускала одна мысль: в основе всего этого исследования лежит не технический приём, а философский вопрос – что в квантовом состоянии по-настоящему существенно, а что лишнее? Это тот же вопрос, который задаёт себе поэт, вычёркивая строки из черновика. Мне хочется думать, что физика и поэзия ищут одно и то же: точность, достигнутую через отсечение всего лишнего. «Звёзды умирают, как осенние листья – ярко и тихо, чтобы дать жизнь новому». С Ириной наука перестаёт быть холодной и отдалённой – она становится живой, осязаемой, почти магической. Но эта магия всегда подкреплена фактами, как будто она говорит: «Да, это прекрасно. И это правда».» – Доктор Ирина Лебедева

Представьте, что вам нужно сложить журавлика оригами. Классический способ – взять лист бумаги и следовать длинной инструкции: тридцать два сгиба, каждый строго в определённом месте, каждый под точным углом. Если вы ошибётесь на двадцать восьмом шаге – всё начинать сначала. Теперь представьте, что бумага сделана из самого нестабильного материала во Вселенной, и каждый лишний сгиб увеличивает вероятность того, что она рассыплется у вас в руках. Именно в такой ситуации находятся учёные, которые занимаются квантовыми вычислениями.

В 2024–2025 годах группа исследователей опубликовала работу, посвящённую одной из самых тонких задач в квантовой физике: как подготовить квантовую систему к вычислению так, чтобы она не рассыпалась прежде, чем успеет сделать что-то полезное. Их ответ – элегантный, почти поэтичный по своей сути – заключается в том, чтобы делать меньше шагов, но более осмысленных. Своего рода квантовое оригами с упрощённой инструкцией, которая ведёт к тому же журавлику.

Что такое квантовое состояние и его подготовка

Что такое квантовое состояние и зачем его «готовить»

Прежде чем говорить о методах, стоит понять, о чём идёт речь. В классическом компьютере информация хранится в битах – единицах, которые могут быть либо нулём, либо единицей. В квантовом компьютере базовая единица – кубит, который может находиться в суперпозиции: одновременно и нулём, и единицей в каком-то смысле, математически строго описываемом, но интуитивно ускользающем от нас, выросших в мире макрообъектов.

Но есть системы ещё более богатые. Бозонные системы – например, сверхпроводящие квантовые цепи или ловушки для ионов – позволяют работать с кудитами: квантовыми объектами, у которых не два, а много возможных состояний. Если кубит – это монета (орёл или решка), то кудит – это игральный кубик: шесть граней, шесть возможных исходов, и каждый из них может «существовать» одновременно с другими в суперпозиции. Причём размерность кудита может быть не шесть, а шестьдесят четыре – и это лишь один из примеров, рассматриваемых в данном исследовании.

Теперь – ключевой вопрос: прежде чем квантовый компьютер начнёт вычислять, его нужно привести в нужное начальное состояние. Это называется подготовкой квантового состояния. Если сравнивать с музыкой, то прежде чем оркестр сыграет симфонию, все инструменты должны быть настроены. Неправильная настройка – и музыка превратится в какофонию, сколь бы блестящим ни был дирижёр.

Подготовка состояния – это нетривиальная задача. Для сложных квантовых систем она требует длинных последовательностей операций, каждая из которых вносит риск ошибки. В мире квантовой физики ошибки накапливаются, как снежный ком: чем длиннее путь, тем меньше шансов прийти к нужной точке.

Протокол SNAP-смещения для подготовки квантовых состояний

Протокол SNAP-смещения: дирижёрская палочка квантового мира

Один из наиболее мощных инструментов для подготовки состояний в бозонных системах – это так называемый протокол SNAP-смещения (от английского Selective Number-state Associated Phase, то есть «избирательная фаза, связанная с числовым состоянием»). Звучит устрашающе, но идея на удивление изящна.

Представьте квантовую систему как органные трубы разной длины. Каждая труба – это отдельное «числовое состояние» кудита: первое, второе, третье... вплоть до шестьдесят четвёртого. Операция SNAP – это как тихое прикосновение к каждой трубе: вы можете слегка «повернуть» звук каждой из них, изменив её фазу. Операция смещения – это как лёгкий толчок всей системе целиком, который перераспределяет энергию между трубами.

Чередуя эти два типа действий – «повернуть фазы» и «толкнуть систему» – можно, в принципе, получить любое квантовое состояние. Это мощный результат: протокол SNAP-смещения является универсальным для бозонных кудитов.

Проблема в другом. Чтобы точно настроить все шестьдесят четыре трубы на каждом из множества шагов, нужно задать огромное количество параметров. Если кудит имеет размерность d, а протокол состоит из M шагов, то полное число фазовых параметров равно d × M. При d = 64 и нескольких десятках шагов это тысячи параметров. Каждый параметр – это дополнительная операция, дополнительное время, дополнительный источник ошибок.

И вот здесь возникает ключевое противоречие квантовых технологий образца 2020-х годов: квантовые устройства уже достаточно сложны, чтобы решать интересные задачи, но ещё слишком шумны, чтобы позволить себе роскошь длинных вычислений. Каждая лишняя операция – это как лишний сгиб в оригами из рассыпающейся бумаги.

Разреженность в квантовых вычислениях: принцип экономии ресурсов

Разреженность как философия: меньше – значит точнее

Исследователи задали себе вопрос, который кажется простым, но влечёт за собой глубокие следствия: а нужно ли настраивать все трубы? Может быть, для большинства целевых состояний достаточно настроить лишь некоторые из них, оставив остальные в нулевом положении?

Это интуиция, знакомая музыкантам: не все ноты одинаково важны в мелодии. В джазовой импровизации пауза иногда говорит больше, чем звук. В живописи белое пространство – часть композиции, а не её отсутствие.

Авторы работы предложили три типа так называемых «разреженных анзацев» – то есть три варианта упрощённых инструкций для подготовки квантового состояния, в которых многие параметры заранее зафиксированы или ограничены.

Слово «анзац» здесь заслуживает отдельного пояснения. Оно пришло из немецкого языка и означает примерно «подход» или «начальное предположение». В физике анзац – это форма, которую мы предполагаем для решения задачи до того, как найдём точный ответ. Это как набросок художника: он ещё не картина, но уже задаёт структуру будущего произведения.

Первый тип: только нужные фазы

В первом варианте разреженного анзаца на каждом шаге протокола оптимизируются не все фазы сразу, а лишь часть из них. Остальные просто выставляются в ноль – то есть соответствующие «органные трубы» не трогают вовсе. Это самый строгий вариант экономии: меньше параметров, меньше операций, меньше шума.

Второй тип: ограниченный словарь фаз

Второй вариант чуть богаче. Здесь фазы не просто «есть или нет» – они могут принимать значения из небольшого заранее определённого набора. Представьте, что вместо полной палитры красок художник работает только с десятью цветами. Картина получится менее детализированной, но вполне узнаваемой – и написать её быстрее. При этом число параметров для оптимизации остаётся небольшим.

Третий тип: гибкий словарь на каждом шаге

Третий вариант – самый гибкий из трёх. Здесь на каждом шаге протокола разрешён свой небольшой набор уникальных фаз, и каждая «труба» выбирает значение из этого набора. Набор меняется от шага к шагу, что даёт больше свободы для точной настройки, не теряя при этом принципа разреженности.

Все три варианта объединяет одна идея: не распылять ресурсы равномерно по всем параметрам, а сосредоточить усилия там, где они действительно важны. Это принцип, хорошо знакомый не только физикам, но и архитекторам, писателям, инженерам – всем, кто когда-либо искал красоту в простоте.

Многоцелевая оптимизация в квантовых технологиях

Многоцелевая оптимизация: искусство компромисса

Но как понять, сколько именно параметров оставить? Как найти ту самую точку, где качество подготовленного состояния ещё достаточно высокое, а количество операций уже достаточно мало?

Авторы решили эту задачу с помощью многоцелевой оптимизации – математической техники, позволяющей одновременно стремиться к нескольким целям, явно задавая, насколько важна каждая из них. В данном случае цели две: точность (насколько хорошо подготовленное состояние соответствует желаемому) и экономность (сколько ресурсов – операций, времени, параметров – потрачено).

Это напоминает принятие решений в повседневной жизни. Вы выбираете маршрут для поездки: можно ехать по короткой дороге, но с пробками, или по длинной, но быстро. Нет единственно правильного ответа – всё зависит от того, что для вас важнее в данный момент. В квантовой физике то же самое: в зависимости от конкретного устройства и задачи правильный баланс между точностью и простотой будет разным.

Математически это выражается формулой потерь, в которой точность и ресурсная стоимость складываются с весовым коэффициентом. Меняя этот коэффициент, можно «повернуть ручку» от «максимальной точности любой ценой» до «минимальных ресурсов при приемлемой точности». Это даёт исследователям и инженерам гибкий инструмент настройки – почти как эквалайзер на музыкальном усилителе.

Результаты исследований: влияние разреженных анзацев на точность

Что показали числа: идеальный мир против реального

Авторы проверили свои подходы на нескольких типах квантовых состояний, которые важны для практики квантовых вычислений и моделирования.

  • Состояния Фока – это «чистые» состояния, в которых в системе находится ровно определённое число частиц. Что-то вроде идеально отмеренной порции.
  • Когерентные состояния – квантовые аналоги классических колебаний, которые ведут себя наиболее «привычно» с точки зрения обычной физики.
  • Состояния «котов Шрёдингера» – суперпозиции двух когерентных состояний, наглядно воплощающие квантовую странность и важные для квантовой коррекции ошибок.

Размерность кудита варьировалась вплоть до d = 64 – это весьма большое пространство состояний, требующее значительных вычислительных ресурсов при полной параметризации.

В идеальных условиях

В идеальном мире – без шума, без потерь, без физических несовершенств – разреженные анзацы показали впечатляющий результат: они достигали высокой точности при значительно меньшем числе фазовых параметров. Причём чем больше размерность кудита, тем заметнее выигрыш. Для простых состояний, таких как состояния Фока, первый тип анзаца справлялся с задачей при вдвое меньшем числе активных фаз по сравнению с полным протоколом.

Это важный результат сам по себе: даже в теории, без учёта шума, упрощённые инструкции оказываются столь же эффективными. Это как обнаружить, что для сборки мебели из двадцати деталей реально нужны только двенадцать – остальные восемь просто лишние.

В реальных условиях

Но по-настоящему убедительными результаты стали при учёте реального физического шума – в первую очередь потери фотонов. В квантовых системах фотоны – носители квантовой информации – могут «утекать» из системы случайным образом. Чем дольше длится вычисление, тем больше фотонов теряется, тем хуже итоговое состояние.

Здесь разреженные анзацы продемонстрировали своё главное преимущество: более короткие протоколы с меньшим числом операций оказались значительно более устойчивы к шуму, чем полные. В ряде случаев упрощённый подход не просто не уступал полному – он его превосходил, потому что успевал «закончить работу» прежде, чем накопятся критические ошибки.

Это напоминает забег на короткую дистанцию против марафона в дождливую погоду. Спортсмен, пробежавший сто метров, финишировал сухим. Марафонец, пусть и более выносливый, промок до нитки и потерял силы.

Актуальность квантовых технологий здесь и сейчас

Почему это важно: квантовые технологии здесь и сейчас

Квантовые компьютеры прошли долгий путь от теоретических фантазий до реальных устройств. К середине 2020-х годов несколько компаний и исследовательских групп обладают машинами с десятками и сотнями кубитов, способными выполнять реальные вычисления. Но эти устройства работают в условиях постоянного шума и ошибок – и ни одна из существующих платформ пока не является достаточно совершенной, чтобы позволить себе расточительность длинных протоколов.

Именно поэтому работа, о которой идёт речь, имеет не только теоретическую, но и практическую ценность. Она предлагает не абстрактное «в будущем всё будет лучше», а конкретный инструмент для сегодняшних несовершенных устройств. Разреженные анзацы позволяют добиться нужного квантового состояния меньшим числом операций – а значит, с меньшей вероятностью ошибки и с большей воспроизводимостью результата.

Это похоже на то, как в ранней авиации инженеры не ждали появления реактивных двигателей, а искали способы сделать пропеллерные самолёты надёжнее и эффективнее – и это позволяло летать уже тогда, а не когда-нибудь потом.

Перспективы развития квантовых технологий

Взгляд вперёд: где проходит горизонт

Авторы не останавливаются на достигнутом и обозначают направления для дальнейшего развития. Во-первых, разреженные анзацы предстоит проверить на реальных квантовых устройствах – ведь даже самое тщательное численное моделирование не заменяет эксперимент. Во-вторых, идея разреженности может быть перенесена на другие протоколы подготовки состояний, не связанные непосредственно с SNAP-смещением.

В-третьих, и это особенно интригует: разные квантовые платформы имеют разную физику, разные источники шума и разные ограничения. Сверхпроводящие цепи, ионные ловушки, фотонные чипы – все они «страдают» по-своему. Можно ли создать разреженные анзацы, учитывающие специфику каждой платформы? Это открытый вопрос, который, скорее всего, станет предметом новых исследований в ближайшие годы.

Наконец, возникает более глубокий вопрос, который выходит за рамки конкретного протокола: насколько «разреженной» может быть квантовая операция, не теряя при этом своей универсальности? Где проходит граница между достаточным и избыточным? Этот вопрос касается самой природы информации – и в квантовом, и в классическом смысле.

Физика как искусство выбора: суть оптимизации

Физика как искусство выбора

Есть что-то глубоко человеческое в том, чтобы искать кратчайший путь к точной цели. Мы делаем это каждый день: выбираем слова, которые точнее всего передают мысль; находим маршрут, который быстрее всего ведёт к дому; готовим блюдо, используя ровно столько ингредиентов, сколько нужно для вкуса. Квантовая физика в этом смысле не отличается от кулинарии или поэзии – везде речь идёт об осмысленном выборе при ограниченных ресурсах.

Работа о разреженных анзацах – это, по существу, история о том, как учёные научились спрашивать: «А что здесь действительно необходимо?» – и находить ответы, которые одновременно элегантны и практичны. В мире, где каждый фотон на счету и каждая лишняя операция грозит ошибкой, это умение стоит очень дорого.

Вселенная квантовых состояний бесконечно разнообразна. Но дорога к каждому из них, оказывается, может быть короче, чем мы думали. И это – одна из самых красивых новостей из мира физики за последнее время.

Оригинальное название: Sparse Phase Ansatzes for Resource-Efficient Qudit State Preparation via the SNAP-Displacement Protocol
Дата публикации статьи: 12 мар 2026
Авторы оригинальной статьи : Maurizio Ferrari Dacrema, Doğa Murat Kürkçüoğlu, Andy C. Y. Li, Tanay Roy, Silvia Zorzetti
Предыдущая статья Страх проиграть и страх переплатить: как боязнь риска меняет правила аукционов Следующая статья ИИ-агенты: когда умный помощник становится уязвимым местом

Связанные публикации

Вам может быть интересно

Войти в Лабораторию

Исследование не заканчивается одним экспериментом. Ниже – публикации, которые развивают похожие методы, вопросы или концепции.

Математический метод, который превращает уравнения высокого порядка в более простые задачи и открывает неожиданные связи между, казалось бы, несовместимыми уравнениями.

Доктор Элис Ворт 25 фев 2026

Лаборатория

Квантовые всплески ранней Вселенной: как логарифмы повествуют об инфляции

Физика и космос Общая теория относительности

Во время инфляции квантовые флуктуации растягиваются до космических масштабов, оставляя математические «следы» – логарифмы, которые помогают понять рождение структуры Вселенной.

Профессор Михаил Ковалёв 22 янв 2026

Специалисты AI21 Labs продемонстрировали, что простая оптимизация упаковки данных при обучении LLM позволяет существенно ускорить процесс без изменения архитектуры нейросети.

AI21 Labswww.ai21.com 12 фев 2026

От исследования к пониманию

Как создавался этот текст

Этот материал основан на реальном научном исследовании, а не сгенерирован «с нуля». В начале работы нейросети анализируют исходную публикацию: её цели, методы и выводы. Затем автор формирует связный текст, который сохраняет научный смысл, но переводит его из академического формата в ясное и читаемое изложение – без формул, но без потери точности.

Эмоциональность

83%

Связь с искусством

89%

Научная точность

87%

Нейросети, участвовавшие в работе

Мы показываем, какие модели использовались на каждом этапе – от анализа исследования до редакторской проверки и создания иллюстрации. Каждая нейросеть выполняет свою роль: одни работают с источником, другие – с формулировками и структурой, третьи – с визуальным образом. Это позволяет сохранить прозрачность процесса и доверие к результату.

1.
Gemini 2.5 Flash Google DeepMind Резюмирование исследования Выделение ключевых идей и результатов

1. Резюмирование исследования

Выделение ключевых идей и результатов

Gemini 2.5 Flash Google DeepMind
2.
Claude Sonnet 4.6 Anthropic Создание текста на основе резюме Преобразование резюме в связное объяснение

2. Создание текста на основе резюме

Преобразование резюме в связное объяснение

Claude Sonnet 4.6 Anthropic
3.
Gemini 2.5 Flash Google DeepMind Редакторская проверка Исправление ошибок и уточнение выводов

3. Редакторская проверка

Исправление ошибок и уточнение выводов

Gemini 2.5 Flash Google DeepMind
4.
DeepSeek-V3.2 DeepSeek Подготовка описания для иллюстрации Генерация текстового промпта для визуальной модели

4. Подготовка описания для иллюстрации

Генерация текстового промпта для визуальной модели

DeepSeek-V3.2 DeepSeek
5.
FLUX.2 Pro Black Forest Labs Создание иллюстрации Генерация изображения по подготовленному промпту

5. Создание иллюстрации

Генерация изображения по подготовленному промпту

FLUX.2 Pro Black Forest Labs

Не пропустите ни одного эксперимента!

Подпишитесь на Telegram-канал –
там мы регулярно публикуем анонсы новых книг, статей и интервью.

Подписаться