Varannan sekund, sensorer som mäter USA:s elnät samlar in 3 petabyte data - motsvarande 3 miljoner gigabyte. Dataanalys på den skalan är en utmaning när viktig information lagras i en otillgänglig databas.

Men forskare vid Purdue University arbetar med en lösning, kombinera kvantalgoritmer med klassisk beräkning på småskaliga kvantdatorer för att påskynda tillgängligheten till databasen. De använder data från US Department of Energy National Labs sensorer, kallade fasmätenheter, som samlar information om det elektriska nätet om spänningar, strömmar och kraftproduktion. Eftersom dessa värden kan variera, att hålla elnätet stabilt innebär att sensorerna kontinuerligt övervakas.

Sabre Kais, professor i kemisk fysik och huvudutredare, kommer att leda ansträngningen att utveckla nya kvantalgoritmer för beräkning av omfattande data som genereras av elnätet.

"Icke-kvantalgoritmer som används för att analysera data kan förutsäga nätets tillstånd, men eftersom fler och fler fasmätarenheter distribueras i det elektriska nätverket, vi behöver snabbare algoritmer, sa Alex Pothen, professor i datavetenskap och medutredare om projektet. "Kvantalgoritmer för dataanalys har potential att påskynda beräkningarna väsentligt i teoretisk mening, men stora utmaningar återstår att uppnå kvantdatorer som kan bearbeta så stora mängder data. "

Forskargruppens metod har potential för ett antal praktiska tillämpningar, som att hjälpa industrier att optimera sin leveranskedja och logistikhantering. Det kan också leda till nya kemiska och material upptäckter med hjälp av ett artificiellt neuralt nätverk känt som en kvant Boltzmann-maskin. Denna typ av neurala nätverk används för maskininlärning och dataanalys.

"Vi har redan utvecklat en hybridkvantalgoritm som använder en Boltzmann-kvantmaskin för att erhålla korrekta elektroniska strukturberäkningar, "Kais sa." Vi har bevis på koncept som visar resultat för små molekylära system, vilket kommer att tillåta oss att screena molekyler och påskynda upptäckten av nya material."

Ett papper som beskriver dessa resultat publicerades onsdag i tidningen Naturkommunikation .

Maskininlärningsalgoritmer har använts för att beräkna de ungefärliga elektroniska egenskaperna hos miljontals små molekyler, men att navigera i dessa molekylära system är utmanande för kemiska fysiker. Kais och medutredaren Yong Chen, chef för Purdue Quantum Center och professor i fysik och astronomi och i el- och datorteknik, är övertygade om att deras kvantmaskininlärningsalgoritm skulle kunna hantera detta.

Deras algoritmer skulle också kunna användas för att optimera solfarmar. Livslängden för en solfarm gård varierar beroende på klimatet eftersom solceller försämras varje år från väder, enligt Muhammad Alam, professor i el- och datateknik och medutredare av projektet. Att använda kvantalgoritmer skulle göra det lättare att bestämma livslängden för solparker och andra hållbara energiteknologier för en viss geografisk plats och kan bidra till att effektivisera soltekniken.

Dessutom, laget hoppas kunna lansera ett externt finansierat industri-universitet samarbetsforskningscenter (IUCRC) för att främja ytterligare forskning inom kvantmaskininlärning för dataanalys och optimering. Fördelarna med ett IUCRC inkluderar att utnyttja akademiska-företagspartnerskap, expanderande materialvetenskaplig forskning, och agera på marknadsincitament. Ytterligare forskning inom kvantmaskininlärning för dataanalys är nödvändig innan det kan vara användbart för industrier för praktisk tillämpning, Chen sa, och en IUCRC skulle göra påtagliga framsteg.

"Vi är nära att utveckla de klassiska algoritmerna för denna dataanalys, och vi förväntar oss att de kommer att användas i stor utsträckning, "Pothen sa." Kvantalgoritmer är högriskiga, forskning med hög belöning, och det är svårt att förutsäga inom vilken tidsram dessa algoritmer kommer att finna praktisk användning. "

Teamets forskningsprojekt var ett av åtta som valts ut av Purdues Integrative Data Science Initiative för att finansieras under en tvåårsperiod. Initiativet kommer att uppmuntra tvärvetenskapligt samarbete och bygga på Purdues styrkor för att positionera universitetet som ledande inom datavetenskaplig forskning och fokusera på ett av fyra områden:hälso- och sjukvård; försvar; etik, samhälle och politik; grundläggande, metoder, och algoritmer. Forskningsinsatserna i Integrative Data Science Initiative är värd för Purdues Discovery Park.

"Det här är en spännande tid att kombinera maskininlärning med kvantberäkning, "Sa Kais." Imponerande framsteg har gjorts nyligen när det gäller att bygga kvantdatorer, och tekniker för kvantmaskininlärning kommer att bli kraftfulla verktyg för att hitta nya mönster i big data. "