Mit der Weiterentwicklung der Quantentechnologie sind Forscher in der Lage, immer mehr Komponenten miteinander zu verbinden, um entstehende Quantencomputer zu schaffen. Eine wichtige Herausforderung besteht darin, zu wissen, welche Komponenten und Konfigurationen das größte Potenzial für die Erstellung nützlicher Systeme haben. Jetzt, Leopoldo Sarra und Florian Marquardt haben gezeigt, wie maschinelles Lernen genutzt werden kann, um das Deep-Bayes'sche experimentelle Design großer Quantennetzwerke umzusetzen.
Marquardt arbeitet am Max-Planck-Institut für die Wissenschaft des Lichts in Deutschland, wo die Forschung durchgeführt wurde. Sarra ist inzwischen zum Flatiron Institute in den USA gezogen, von wo aus er mit ihm gesprochen hat Physik-Welt über die Forschung.
Was ist Deep Bayes'sches experimentelles Design?
Experimentelles Design ist der Wissenschaftszweig, der sich mit der Auswahl von Experimenten befasst, die zur Charakterisierung eines physikalischen Systems oder Phänomens durchgeführt werden sollen. Beim Entwerfen eines neuen Experiments müssen Wissenschaftler die Hypothesen berücksichtigen, die sie testen oder falsifizieren möchten, und diejenigen priorisieren, die wahrscheinlich nützlicher sind. Zwischen den interessierenden physikalischen Größen und den zugänglichen Größen, die Wissenschaftler beobachten können, bestehen oft sehr komplizierte Abhängigkeiten. Die Implikationen eines experimentellen Ergebnisses sind normalerweise nicht offensichtlich.
Bayesianisches experimentelles Design ist eine Technik zur automatischen Identifizierung der nützlichsten Experimente, die es uns ermöglichen, so viel wie möglich über ein physikalisches System zu verstehen. Insbesondere wird ausgehend von einigen anfänglichen Kenntnissen oder Erwartungen über ein System ein statistisches Modell erstellt, das die Unsicherheiten in unserem Wissen quantifiziert und wie sie sich bei der Durchführung eines bestimmten Experiments ändern. Auf diese Weise wird der Nutzen eines Experiments quantifiziert und somit das nützlichste Experiment ermittelt.
Es ist jedoch bekannt, dass diese Technik sehr rechenintensiv ist. Traditionell waren sehr grobe Näherungen (oder sogar nur Heuristiken) erforderlich, um dies realisierbar zu machen. Mit der jüngsten Entwicklung von Techniken der künstlichen Intelligenz wie neuronalen Netzen (auch „Deep Learning“ genannt, daher das Wort „Deep“) ist es nun möglich, viel bessere Annäherungen an die Bayes'sche Technik vorzunehmen, was zu effizienteren und genaueren Ergebnissen führt.
Was sind die größten Herausforderungen für Menschen, die Quantentechnologieplattformen entwerfen?
Heutige Quantengeräte sind äußerst anspruchsvoll in Bau und Betrieb. Sie sind stark von Interferenzen und Umgebungslärm betroffen, was ihre Zuverlässigkeit und die Fähigkeit zum Bau großer Geräte durch die Verbindung vieler Geräte untereinander beeinträchtigen kann. Insbesondere trotz der Bemühungen der Hersteller, identische Geräte herzustellen, wird jede Komponente aufgrund von Herstellungsmängeln immer etwas anders sein und daher ein etwas anderes Verhalten aufweisen als erwartet. Darüber hinaus kann das Verhalten einer Komponente auch durch Umgebungsbedingungen (z. B. Temperaturschwankungen, Umgebungsgeräusche usw.) beeinflusst werden. Daher ist die Fähigkeit, den tatsächlichen Betriebsmodus eines Geräts zu verstehen und diese Abweichungen vom erwarteten Verhalten richtig zu berücksichtigen und zu korrigieren, von entscheidender Bedeutung.
Wie kann Deep Bayes'sches experimentelles Design zur Lösung dieser Probleme beitragen?
Da es einfach nicht möglich ist, jedes Quantengerät jedes Mal vor seiner Verwendung manuell zu charakterisieren, müssen automatisierte Techniken eingesetzt werden. Bayesianisches experimentelles Design bietet eine Möglichkeit, ein Quantensystem mit einer minimalen Anzahl von Messungen zu charakterisieren. Es kann verwendet werden, um verschiedene Ansätze zu vergleichen und die effizientesten zu ermitteln. Während manuell entworfene Strategien eine Lösung bieten können, erwarten wir, dass Bayes'sche Techniken viel effizienter sind und schnellere und genauere Ergebnisse liefern. Ihr Vorteil ist zweifach: Erstens zeigen sie Ihnen, wie Sie das Ergebnis eines neuen Experiments in das bisherige Wissen integrieren können. Zweitens sagen sie Ihnen, welches Experiment als nächstes durchgeführt werden soll. Jede Ineffizienz in einem der Schritte würde zu längeren Charakterisierungszeiten oder einer geringeren Genauigkeit führen.
Was haben Sie in Ihrer Arbeit „Deep Bayesian Experimental Design for Quantum Many-Body Systems“ getan?
In dieser Arbeit haben wir einige der modernsten Techniken der künstlichen Intelligenz genutzt, die sich mit der Schätzung der für die Verwendung des Bayes'schen Rahmens erforderlichen Größen befassen, und wir haben ihre mögliche Anwendung auf Quantensysteme untersucht. Ziel war es zu verstehen, wie nützlich sie für die Charakterisierung eines Quantengeräts sein können, wie effizient sie sind und welche technischen Herausforderungen für zukünftige praktische Anwendungen überwunden werden müssen. Wir haben einige der gängigsten Plattformen (gekoppelte Hohlräume und Qubit-Arrays) betrachtet und die Anwendung dieser Techniken untersucht, um ihre Betriebsparameter zu ermitteln. Wir haben die Effizienz mit einigen naiveren Charakterisierungsstrategien verglichen, z. B. der Durchführung von Zufallsmessungen oder einheitlichen Messungen in einem Parameterbereich. Wir haben auch die Auswirkungen verschiedener Designentscheidungen sowie den Einfluss von Rauschen auf die Vorhersagen untersucht.
Was haben Sie herausgefunden und wie könnte es die Entwicklung von Quantentechnologien vorantreiben?
Das Deep-Bayesian-Versuchsdesign bietet eine Möglichkeit, das Wissen über die Systemparameter und deren Unsicherheit nach jeder Messung in Situationen zu aktualisieren, in denen die Beziehung zwischen dem Messergebnis und der Parameteraktualisierung nicht trivial ist. Während Standardtechniken normalerweise nur ein einziges Ergebnis finden, das das System am wahrscheinlichsten beschreibt, nähert sich eine Tiefentechnik der gesamten Verteilung an. Dadurch können die Grenzen einer bestimmten Charakterisierungsstrategie aufgezeigt werden. Wenn die Unsicherheit eines Parameters nach vielen Messungen nicht abnimmt, liegt das typischerweise daran, dass der Messaufbau keine eindeutige Bestimmung dieses Parameters zulässt.
Wenn wir uns die ausgewählten Messungen ansehen, sehen wir, dass „wirksame Strategien“ entstehen, die die Erkundung verschiedener Messeinstellungen (wobei die relevantesten Messkonfigurationen identifiziert werden) und die Nutzung der identifizierten Einstellungen zur Reduzierung der Unsicherheit kombinieren.
Darüber hinaus haben wir die Vorteile einer aktiven Charakterisierungsstrategie, bei der jedes Experiment (nächste Messung) so ausgewählt wird, dass der Nutzen maximiert wird, im Vergleich zu anderen einfacheren Messstrategien aufgezeigt. Für eine effiziente Charakterisierung eines Quantengeräts, das von vielen verschiedenen Parametern abhängen und durch verschiedene Rauschquellen beeinflusst werden kann, ist die Durchführung von Zufallsmessungen, die frühere Ergebnisse nicht berücksichtigen, eindeutig nicht optimal.
Zukünftige Entwicklungen dieser Technik werden zu wesentlich zuverlässigeren Quantengeräten führen.
Maschinelles Lernen unterstützt Untersuchungen von Quantenmagneten
Es hört sich so an, als würden Sie diese Arbeit mit weiteren Recherchen fortsetzen
Mit dieser Arbeit haben wir gezeigt, dass Deep Bayes'sches experimentelles Design konkrete Vorteile bei der Charakterisierung von Quantensystemen im Vergleich zu einfacheren Techniken bietet. Die nächsten Schritte wären die technische Verbesserung der vorgestellten Methode, um schnelle Anwendungen auf echten Quantengeräten und die Möglichkeit einer Skalierung auf größere Systeme zu ermöglichen. Während derzeit der Algorithmus nach jeder Messung erneut ausgeführt werden muss, besteht eine Möglichkeit darin, zunächst eine vollständige Messvorschlagsstrategie durch viele Simulationen zu erlernen und diesen schnelleren Prädiktor dann für die Verwendung mit dem realen Gerät zu verwenden.
Allgemeiner gesagt ist die Fähigkeit, ein Modell eines physikalischen Phänomens zu haben, seine Unsicherheit einzuschätzen und zu verstehen, welche Experimente am nützlichsten sind, um es zu verbessern, die Grundlage der wissenschaftlichen Methode. Während wir derzeit das Quantensystem einfach mit einigen unbekannten Parametern modellieren und verschiedene Experimente einfach unterschiedlichen Messeinstellungen entsprechen, können wir uns einen zukünftigen Algorithmus vorstellen, der als eine Art „künstlicher Wissenschaftler“ fungiert und in der Lage ist, ein physikalisches Phänomen selbstständig zu erforschen. Die Untersuchung des bayesianischen experimentellen Designs in Quantentechniken wird auch zu Fortschritten in dieser längerfristigen Vision führen.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://physicsworld.com/a/deep-bayesian-experimental-design-characterizes-large-scale-quantum-systems/
- :hast
- :Ist
- :nicht
- :Wo
- $UP
- 160
- a
- Fähigkeit
- Fähig
- Über Uns
- zugänglich
- Konto
- Genauigkeit
- genau
- aktiv
- Handlungen
- präsentieren
- Zusatz
- Vorschüsse
- Vorteil
- Vorteilen
- betroffen
- Nach der
- AIDS
- Algorithmus
- erlauben
- ebenfalls
- immer
- Raumbeduftung
- an
- und
- jedem
- Anwendung
- Anwendungen
- angewandt
- Ansätze
- ungefähr
- SIND
- künstlich
- künstliche Intelligenz
- AS
- beurteilen
- At
- Automatisiert
- Im Prinzip so, wie Sie es von Google Maps kennen.
- basierend
- Grundlage
- Bayesianisch
- BE
- wird
- Bevor
- Verhalten
- Besser
- zwischen
- Filiale
- bauen
- baut
- by
- namens
- CAN
- fähig
- challenges
- Herausforderungen
- herausfordernd
- Übernehmen
- charakterisieren
- charakterisiert
- Entscheidungen
- gewählt
- kombinieren
- gemeinsam
- vergleichen
- verglichen
- kompliziert
- Komponente
- Komponenten
- Computer
- Beton
- Bedingungen
- Vernetz Dich
- Sich zusammenschliessen
- Geht davon
- betrachtet
- und beseitigen Muskelschwäche
- könnte
- gekoppelt
- erstellen
- Erstellen
- wichtig
- Zur Zeit
- Deal
- Angebote
- verringern
- tief
- abhängen
- Abhängigkeiten
- beschreiben
- Design
- Designer
- Entwerfen
- Trotz
- Bestimmung
- Entwicklung
- Entwicklungen
- Gerät
- Geräte
- DID
- anders
- Verteilung
- do
- die
- erledigt
- zwei
- jeder
- bewirken
- Effizienz
- effizient
- Bemühungen
- entweder
- entstehen
- beschäftigt
- Ganz
- Umwelt-
- vorstellen
- etc
- Sogar
- erwarten
- Erwartung
- erwartet
- teuer
- Experiment
- experimentell
- Experimente
- Ausbeutung
- Exploration
- Erkundet
- Möglichkeiten sondieren
- äußerst
- zugewandt
- FAST
- beschleunigt
- möglich
- Finden Sie
- Suche nach
- Vorname
- Schwankungen
- Folgende
- Aussichten für
- Unser Ansatz
- für
- Materials des
- weiter
- Zukunft
- allgemein
- Deutschland
- gegeben
- Kundenziele
- Haben
- he
- Hilfe
- daher
- Ultraschall
- Hilfe
- HTTPS
- identisch
- identifiziert
- Identifizierung
- if
- Image
- Impact der HXNUMXO Observatorien
- implementieren
- Auswirkungen
- wichtig
- zu unterstützen,
- Verbesserung
- verbessert
- in
- integrieren
- zunehmend
- Ineffizienz
- Information
- Anfangs-
- Institut
- Intelligenz
- Interesse
- Interferenz
- in
- Problem
- IT
- SEINE
- jpg
- nur
- Art
- Wissend
- Wissen
- bekannt
- grosse
- großflächig
- größer
- führen
- führenden
- LERNEN
- lernen
- links
- Li
- !
- Gefällt mir
- wahrscheinlich
- Grenzen
- länger
- suchen
- senken
- Maschine
- Maschinelles Lernen
- Main
- um
- manuell
- Herstellung
- viele
- max
- max-width
- Maximieren
- Kann..
- Mittel
- Messung
- Messungen
- Methode
- Minimum
- Modell
- mehr
- effizienter
- vor allem warme
- gerührt
- viel
- sollen
- im Entstehen begriffen
- notwendig,
- Need
- erforderlich
- Netzwerke
- Nerven-
- Neuronale Netze
- Neu
- weiter
- Lärm
- jetzt an
- Anzahl
- Zahlen
- beobachten
- offensichtlich
- of
- vorgenommen,
- on
- EINEM
- Einsen
- einzige
- betreiben
- die
- or
- Andere
- UNSERE
- Ergebnis
- Überwinden
- besitzen
- Papier
- Parameter
- Parameter
- besondere
- Personen
- durchgeführt
- Durchführung
- Phänomen
- für Ihre privaten Foto
- physikalisch
- Physik
- Physik-Welt
- Plattformen
- Plato
- Datenintelligenz von Plato
- PlatoData
- Möglichkeit
- möglich
- Potenzial
- Praktisch
- Prognosen
- Predictor
- vorgeführt
- früher
- Priorität einräumen
- Probleme
- produziert
- richtig
- die
- bietet
- Bereitstellung
- quantifiziert
- Quant
- Quantencomputer
- Quantennetzwerke
- Quantensysteme
- Quantentechnologie
- Qubit
- zufällig
- Angebot
- echt
- kürzlich
- Veteran
- Regime
- Beziehung
- relevant
- Zuverlässigkeit
- zuverlässig
- Forschungsprojekte
- Forscher
- Folge
- Die Ergebnisse
- zeigen
- Führen Sie
- Skalieren
- Wissenschaft
- wissenschaftlich
- Wissenschaftler
- Zweite
- sehen
- ausgewählt
- Auswahl
- Einstellungen
- Setup
- gezeigt
- einfacher
- einfach
- da
- Single
- Umstände
- geringfügig
- Lösung
- LÖSEN
- einige
- Geräusche
- Quellen
- Standard
- Stehen
- Beginnen Sie
- State-of-the-art
- statistisch
- Schritt
- Shritte
- Strategien
- Strategie
- starker
- sucht
- Es wurden Studien
- Studie
- suboptimal
- so
- System
- Systeme und Techniken
- Nehmen
- Technische
- Technik
- Techniken
- Technologies
- Technologie
- erzählen
- Test
- als
- zur Verbesserung der Gesundheitsgerechtigkeit
- Das
- ihr
- Sie
- dann
- Dort.
- deswegen
- Diese
- vom Nutzer definierten
- fehlen uns die Worte.
- diejenigen
- Durch
- Daumennagel
- So
- Zeit
- mal
- zu
- gemeinsam
- nahm
- traditionell
- was immer dies auch sein sollte.
- typisch
- Unsicherheiten
- Unsicherheit
- Untergraben
- verstehen
- unbekannt
- Aktualisierung
- us
- -
- benutzt
- gewöhnlich
- Nutzen
- verschiedene
- sehr
- Seh-
- wollen
- wurde
- Weg..
- we
- GUT
- waren
- Was
- wann
- welche
- während
- WHO
- werden wir
- mit
- Word
- Arbeiten
- weltweit wie ausgehandelt und gekauft ausgeführt wird.
- würde
- Du
- Ihr
- Zephyrnet