Ar cerību palielināt jaudu. LU doktorants Mārtiņš Kālis piedalās kvantu algoritmu izveidē

Pētnieks uzsver, ka centram ir arī kvantu datorzinātnes izglītības un popularizēšanas programmas, kas atrodamas mājaslapā "Qworld.lu.lv".

"Ja ir interese, es noteikti iesaku noskatīties "QWebinars ierakstus. Tajos pasaules līmeņa kvantu datorzinātnieki samērā pieejami pastāsta par aktuālo savā jomā," piebilst Mārtiņš Kālis, kurš savu disertāciju izstrādā profesora Andra Ambaiņa vadībā.

Pastāsti par savu pētījumu – ar ko tas ir unikāls?

Mans pētījuma virziens ir kvantu mašīnmācīšanās, kas apvieno kvantu datorzinātni un mašīnmācīšanos, kas ir samērā atšķirīgas datorzinātņu jomas. Kvantu datorzinātne pēta kvantu efektu izmantošanas iespējas un ierobežojumus skaitļošanā. Vēl nesen tā bija tīri teorētiska, matemātiska pētniecības joma. Jauno publikāciju teorētiskajiem argumentiem varēja izsekot līdzi un saprast, vai ir sasniegts jauns rezultāts, vai nē. Mašīnmācīšanās jeb algoritmu izstrāde, kas ļauj veidot datiem pielāgotus modeļus, ir empīriskāka pētniecības joma. Lielākoties jaunos sasniegumus vērtē, tos salīdzinot ar citām pieejām. Reti izdodas skaidri pateikt, vai atrastais risinājums ir labākais iespējamais (parasti nav).

Pēdējos gados ir parādījušies vairāki publiski pieejami kvantu datori, kas rosinājuši domāt par kvantu datorzinātni praktiskākā kontekstā, kurā parādās arī jauni ierobežojumi, piemēram, nepilnības fiziskajos kvantu datoros, kuru rezultātā pamazām tiek zaudēta informācija. Taču potenciālais ieguvums ir pietiekoši liels, lai būtu interese šos ierobežojumus apiet, meklējot labākus algoritmus.

Konteksts maniem šībrīža pētījumiem ir projekts "QuantHEP – Quantum Computing Solutions for High-Energy Physics". Šajā projektā kopā ar sadarbības partneriem no Itālijas un Portugāles meklējam iespējas izmantot kvantu datorus, lai uzlabotu CERN Lielā hadronu paātrinātāja (LHC) datu analīzi. Tas kļūst īpaši aktuāli tāpēc, ka jau tagad LHC saražo milzīgu datu apjomu, bet, lai novērotu arvien retākus un interesantākus notikumus, šo datu apjomu paredzēts vēl palielināt. Šo datu apstrādei nepieciešamās skaitļošanas jaudas aug vēl ātrāk nekā datu apjoms, tāpēc mēs meklējam efektīvākus risinājumus.

Kā tavai zinātniskajai darbībai ir palīdzējusi mecenāta stipendija?

"Mikrotīkls" stipendija doktorantūras studijām man ir sniegusi iespēju pilnībā fokusēties uz savu pētījumu. Kvantu mašīnmācīšanās ir ļoti starpdisciplināra joma – jāsaprot klasiskā datorzinātne, kvantu datorzinātne, mašīnmācīšanās un, domājot par tuvā nākotnē izmantojamiem algoritmiem, noder arī fizikas zināšanas. Tā visa padziļināta apguve prasa laiku. Stipendija man ir sniegusi šo tik nepieciešamo laiku.

Ko līdz šim esi paveicis savā pētnieciskajā darbā?

Viens no izaicinājumiem kvantu algoritmu izveidē ir tas, ka algoritmam ir ne tikai jāstrādā labāk nekā citiem iepriekš piedāvātiem kvantu algoritmiem, bet tam jāstrādā labāk nekā klasisko datoru algoritmiem, kas neizmanto kvantu efektus, bet kuru izstrādei ir veltītas desmitgades pētnieku laika.

Šobrīd esmu veicis izpēti par līdz šim piedāvātajiem kvantu algoritmiem augstas enerģijas daļiņu fizikas pētījumos un atklājis, ka atsevišķos gadījumos ir klasiskie algoritmi, kuri pārspēj piedāvātos kvantu algoritmus arī situācijās, kur tie sākotnējā izpētē minēti kā potenciāli spēcīgāki. Tas sniedz skaidrāku atskaites punktu jaunu kvantu algoritmu izstrādē.

Kāpēc, tavuprāt, ir svarīgi atbalstīt jaunos pētniekus?

Ceļa sākums zinātnē ir sarežģīts un prasa laiku, lai jaunie pētnieki uzbūvētu pamatu, uz kura veidot tālākos pētījumus un atklājumus. Stipendija dod šo laiku. Domāju, ka "Mikrotīkls" un citu LU fonda administrēto stipendiju būtisks pienesums ir arī paraugs, labais piemērs. Ļoti priecājos, ka līdzīgs atbalsts no valsts tagad būs daudz lielākam skaitam jauno doktorantu.

Par Latvijas Universitātes fondu

Jau kopš 2004. gada Latvijas Universitātes fonds nodrošina iespēju mecenātiem un sadarbības partneriem atbalstīt gan LU, gan citas vadošās Latvijas augstskolas, tā investējot Latvijas nākotnē. LU fonda prioritātes ir atbalstīt izcilākos studentus un pētniekus, veicināt modernas mācību vides izveidi, kā arī universitātes ēku būvi un rekonstrukciju.