تسرع الشبكات العصبية قياسات الحالة الكمومية - عالم الفيزياء

تسرع الشبكات العصبية قياسات الحالة الكمومية - عالم الفيزياء

الطابع الزمني: 31 تموز (يوليو) 2023 الساعة 12:00 مساءً

خلاصة خوارزمية الكم
(مجاملة: iStock / Anadmist)

أظهرت دراسة جديدة أن الشبكات العصبية يمكنها تقدير درجة التشابك في الأنظمة الكمومية بكفاءة أكبر بكثير من التقنيات التقليدية. من خلال تخطي الحاجة إلى توصيف الحالات الكمومية بشكل كامل ، يمكن أن تكون طريقة التعلم العميق الجديدة مفيدة بشكل خاص لتقنيات الكم واسعة النطاق ، حيث سيكون قياس التشابك الكمي أمرًا بالغ الأهمية ، لكن قيود الموارد تجعل توصيف الحالة الكاملة غير واقعي.

التشابك - حالة تشترك فيها جسيمات متعددة في دالة موجية مشتركة ، بحيث يؤثر إزعاج جسيم واحد على جميع الجسيمات الأخرى - في قلب ميكانيكا الكم. وبالتالي ، فإن قياس درجة التشابك في نظام ما هو جزء من فهم مدى "الكم" ، كما يقول المؤلف المشارك في الدراسة ميروسلاف جيجيك، عالم فيزياء في جامعة بالاك في تشيكيا. "يمكنك ملاحظة هذا السلوك بدءًا من الأنظمة البسيطة المكونة من جسيمين حيث تتم مناقشة أساسيات فيزياء الكم" ، كما يوضح. "من ناحية أخرى ، هناك صلة مباشرة بين ، على سبيل المثال ، تغييرات التشابك وانتقالات الطور في المادة العيانية."

يمكن قياس درجة تشابك أي جسيمين في نظام ما برقم واحد. يتطلب الحصول على القيمة الدقيقة لهذا الرقم إعادة بناء الدالة الموجية ، لكن قياس الحالة الكمية يدمرها ، لذلك يجب قياس نسخ متعددة من نفس الحالة مرارًا وتكرارًا. وهذا ما يسمى بالتصوير المقطعي الكمومي على غرار التصوير المقطعي الكلاسيكي ، حيث يتم استخدام سلسلة من الصور ثنائية الأبعاد لبناء صورة ثلاثية الأبعاد ، وهي نتيجة حتمية لنظرية الكم. يقول: "إذا كان بإمكانك التعرف على حالة كمومية من قياس واحد ، فلن يكون الكيوبت كيوبت - سيكون قليلاً - ولن يكون هناك اتصال كمي ،" آنا بريدوجيفيتش، عالم فيزياء في جامعة ستوكهولم ، السويد ، وعضو فريق الدراسة.

تكمن المشكلة في أن عدم اليقين المتأصل في القياس الكمي يجعل من الصعب للغاية قياس التشابك بين (على سبيل المثال) كيوبت في معالج كمي ، حيث يجب على المرء إجراء تصوير مقطعي كامل للوظائف الموجية متعدد كيوبت على كل كيوبت. حتى بالنسبة للمعالج الصغير ، قد يستغرق هذا أيامًا: "لا يمكنك إجراء قياس واحد فقط وتحديد ما إذا كان لديك تشابك أم لا" ، كما يقول بريدوجيفيتش. "يبدو الأمر كما لو كان الأشخاص يقومون بفحص CAT [التصوير المقطعي المحوري المحوسب] للعمود الفقري - يجب أن تكون في الأنبوب لمدة 45 دقيقة حتى يتمكنوا من التقاط الصورة الكاملة: لا يمكنك أن تسأل عما إذا كان هناك خطأ في هذه الفقرة أو تلك من فحص لمدة خمس دقائق ".

العثور على إجابات جيدة بما فيه الكفاية

على الرغم من أن حساب التشابك بدقة 100٪ يتطلب تصويرًا مقطعيًا للحالة الكمية الكاملة ، إلا أن هناك العديد من الخوارزميات التي يمكنها تخمين الحالة الكمومية من المعلومات الجزئية. يقول جيجيك إن المشكلة في هذا النهج هي "لا يوجد دليل رياضي على أنه مع وجود عدد محدود من القياسات يمكنك قول شيء عن التشابك عند مستوى معين من الدقة".

في العمل الجديد ، اتخذ Ježek و Predojevi وزملاؤه مسارًا مختلفًا ، حيث تخلصوا تمامًا من فكرة إعادة بناء الحالة الكمومية لصالح استهداف درجة التشابك وحدها. للقيام بذلك ، قاموا بتصميم شبكات عصبية عميقة لدراسة الحالات الكمية المتشابكة وتدريبها على البيانات المولدة رقميًا. يوضح جيجيك: "نختار الحالات الكمومية عشوائيًا ، وبعد أن أنشأنا الحالة ، نعرف ناتج الشبكة لأننا نعرف مقدار التشابك في النظام". "ولكن يمكننا أيضًا محاكاة البيانات التي نحصل عليها أثناء قياس أعداد مختلفة من النسخ من اتجاهات مختلفة ... هذه البيانات المحاكاة هي مدخلات الشبكة."

استخدمت الشبكات هذه البيانات لتعليم نفسها لعمل تقديرات أفضل للتشابك من مجموعات معينة من القياسات. ثم قام الباحثون بفحص دقة الخوارزمية باستخدام مجموعة ثانية من بيانات المحاكاة. ووجدوا أن أخطائها كانت أقل بحوالي 10 مرات من أخطاء خوارزمية تقدير التصوير المقطعي الكمومي التقليدية.

اختبار الطريقة تجريبيا

أخيرًا ، قاس الباحثون بشكل تجريبي نظامين متشابكين حقيقيين: نقطة كمومية لأشباه الموصلات يتم ضخها بشكل رنيني ومصدر ثنائي الفوتون ذي التحويل السفلي التلقائي. يقول جيجيك: "قمنا بقياس التصوير المقطعي للحالة الكمومية الكاملة ... ومن هذا عرفنا كل شيء عن الحالة الكمومية ، ثم حذفنا بعض هذه القياسات." عندما قاموا بإزالة المزيد والمزيد من القياسات ، قاموا بمقارنة الخطأ في تنبؤات شبكاتهم العصبية العميقة بالأخطاء من نفس الخوارزمية التقليدية. كان خطأ الشبكات العصبية أقل بكثير.

ريان جلاسر، خبير البصريات الكمومية في جامعة تولين في لويزيانا بالولايات المتحدة ، والذي استخدم سابقًا التعلم الآلي لتقدير الحالات الكمية ، يصف العمل الجديد بأنه "مهم". يقول جلاسر: "إحدى المشكلات التي تواجهها التقنيات الكمية في الوقت الحالي هي أننا وصلنا إلى النقطة التي يمكننا فيها توسيع نطاق الأشياء إلى أنظمة أكبر ، و ... تريد أن تكون قادرًا على فهم نظامك بشكل كامل". "الأنظمة الكمية معروفة بأنها حساسة ويصعب قياسها وتوصيفها بالكامل ... يوضح [الباحثون] أنهم يستطيعون تحديد مقدار التشابك في نظامهم بدقة ، وهو أمر مفيد للغاية عندما ننتقل إلى أنظمة كم أكبر وأكبر لأن لا أحد يريد كمبيوتر كمي ثنائي الكيوبت ".

تخطط المجموعة الآن لتوسيع نطاق أبحاثها لتشمل أنظمة كمومية أكبر. يهتم Ježek أيضًا بالمشكلة العكسية: "لنفترض أننا بحاجة إلى قياس تشابك نظام كمي بدقة ، على سبيل المثال ، 1٪" ، كما يقول ، "ما هو مستوى القياس الأدنى الذي نحتاجه للحصول على هذا المستوى من تقدير التشابك؟ "

تم نشر البحث في علم السلف.

الطابع الزمني:

اكثر من عالم الفيزياء