最近，西班牙巴斯克大学科学家首次将遗传算法用在数字量子模拟中，结果表明，遗传算法不仅能减少量子计算误差，甚至能超越目前的标准最优化技术。研究人员称，这种策略是受自然界“适者生存”法则的启发，从这一角度看，遗传算法能提高保真度，优化所需资源，同时适应实验中的约束条件。

　　据物理学家组织网6月23日报道，数字量子模拟作为量子技术的一种，要面对因退相干而导致信息损失的难题。为减少信息损失，科学家采用了量子误差校正协议的方法，用量子门将信息以多比特纠缠的形式存储起来，作为一种备份。但要以纠缠态存储信息极其复杂，一个4比特7门的系统，门的排列方式就超过万亿，人们一般用最优化技术来筛选找出误差最小的那个。

　　研究人员证明，用遗传算法来确定最优排列方式，比用标准最优化技术更好，能将数字量子误差降低到迄今最低水平。除了减少退相干误差，还能减少数字误差及因每种排列自身缺陷所导致的积累误差。

　　研究人员解释说，遗传算法表现出色，原因之一在于其适应性。就像自然界通过“优胜劣汰”适应环境变化，遗传算法能不断调整，以适应不同量子技术中的不同约束条件。他们的研究提供了一种灵活的新工具，能让人们在保持运算精确性的同时，减少所需的物理资源。

　　团队负责人之一恩里克·索兰诺教授说，遗传算法的特点是适应性和稳定性强，既能灵活解决不同量子技术和平台中的问题，又能修正误差，消除各种误差源。该算法已被用于诸多领域，如优化电路方案，设计接收效果最佳的天线等。它能很容易把一个问题分解为量子门，根据需要将问题简化、优化，从而通过量子模拟解决人工智能、模式识别、新材料与化工产品设计、航空动力学等领域的复杂问题。