Τα νευρωνικά δίκτυα επιταχύνουν τις μετρήσεις κβαντικής κατάστασης - Physics World

Τα νευρωνικά δίκτυα μπορούν να εκτιμήσουν τον βαθμό εμπλοκής στα κβαντικά συστήματα πολύ πιο αποτελεσματικά από τις παραδοσιακές τεχνικές, δείχνει μια νέα μελέτη. Παρακάμπτοντας την ανάγκη πλήρους χαρακτηρισμού των κβαντικών καταστάσεων, η νέα μέθοδος βαθιάς μάθησης θα μπορούσε να αποδειχθεί ιδιαίτερα χρήσιμη για κβαντικές τεχνολογίες μεγάλης κλίμακας, όπου η ποσοτικοποίηση της εμπλοκής θα είναι κρίσιμη, αλλά οι περιορισμοί πόρων καθιστούν τον πλήρη χαρακτηρισμό κατάστασης μη ρεαλιστικό.

Η εμπλοκή - μια κατάσταση στην οποία πολλά σωματίδια μοιράζονται μια κοινή κυματοσυνάρτηση, έτσι ώστε η διατάραξη ενός σωματιδίου να επηρεάζει όλα τα άλλα - βρίσκεται στην καρδιά της κβαντικής μηχανικής. Η μέτρηση του βαθμού εμπλοκής σε ένα σύστημα είναι επομένως μέρος της κατανόησης του πόσο «κβαντικό» είναι, λέει ο συν-συγγραφέας της μελέτης Μίροσλαβ Γιέζεκ, φυσικός στο Πανεπιστήμιο Palacký στην Τσεχία. «Μπορείτε να παρατηρήσετε αυτή τη συμπεριφορά ξεκινώντας από απλά συστήματα δύο σωματιδίων όπου συζητούνται τα θεμελιώδη στοιχεία της κβαντικής φυσικής», εξηγεί. «Από την άλλη πλευρά, υπάρχει μια άμεση σύνδεση μεταξύ, για παράδειγμα, των αλλαγών της εμπλοκής και των μεταπτώσεων φάσης στη μακροσκοπική ύλη».

Ο βαθμός στον οποίο εμπλέκονται δύο σωματίδια σε ένα σύστημα μπορεί να ποσοτικοποιηθεί με έναν μόνο αριθμό. Η λήψη της ακριβούς τιμής αυτού του αριθμού απαιτεί την ανακατασκευή της κυματοσυνάρτησης, αλλά η μέτρηση μιας κβαντικής κατάστασης την καταστρέφει, επομένως πολλαπλά αντίγραφα της ίδιας κατάστασης πρέπει να μετρώνται ξανά και ξανά. Αυτό ονομάζεται κβαντική τομογραφία σε αναλογία με την κλασσική τομογραφία, στην οποία χρησιμοποιείται μια σειρά από 2D εικόνες για την κατασκευή μιας τρισδιάστατης, και είναι μια αναπόφευκτη συνέπεια της κβαντικής θεωρίας. "Αν μπορούσατε να μάθετε για μια κβαντική κατάσταση από μια μέτρηση, ένα qubit δεν θα ήταν ένα qubit - θα ήταν λίγο - και δεν θα υπήρχε κβαντική επικοινωνία", λέει Ana Predojević, φυσικός στο Πανεπιστήμιο της Στοκχόλμης, Σουηδία, και μέλος της ομάδας μελέτης.

Το πρόβλημα είναι ότι η εγγενής αβεβαιότητα μιας κβαντικής μέτρησης καθιστά εξαιρετικά δύσκολη τη μέτρηση της εμπλοκής μεταξύ (για παράδειγμα) qubits σε έναν κβαντικό επεξεργαστή, καθώς πρέπει να πραγματοποιηθεί πλήρης τομογραφία κυματοσυνάρτησης πολλαπλών qubit σε κάθε qubit. Ακόμη και για έναν μικρό επεξεργαστή, αυτό θα χρειαζόταν μέρες: «Δεν μπορείς να κάνεις μόνο μία μέτρηση και να πεις αν έχεις εμπλοκή ή όχι», λέει ο Predojević. «Είναι όπως όταν οι άνθρωποι κάνουν σάρωση CAT [αξονική τομογραφία] της σπονδυλικής σας στήλης – πρέπει να βρίσκεστε στο σωληνάριο 45 λεπτά για να μπορούν να τραβήξουν την πλήρη εικόνα: δεν μπορείτε να ρωτήσετε αν υπάρχει κάτι λάθος με αυτόν ή τον άλλον σπόνδυλο από μια σάρωση πέντε λεπτών».

Βρίσκοντας αρκετά καλές απαντήσεις

Αν και ο υπολογισμός της εμπλοκής με ακρίβεια 100% απαιτεί πλήρη τομογραφία κβαντικής κατάστασης, υπάρχουν αρκετοί αλγόριθμοι που μπορούν να μαντέψουν την κβαντική κατάσταση από μερικές πληροφορίες. Το πρόβλημα με αυτήν την προσέγγιση, λέει ο Ježek, είναι «δεν υπάρχει μαθηματική απόδειξη ότι με κάποιο περιορισμένο αριθμό μετρήσεων λέτε κάτι για εμπλοκή σε κάποιο επίπεδο ακρίβειας».

Στη νέα δουλειά, ο Ježek, ο Predojević και οι συνεργάτες του πήραν μια διαφορετική τακτική, εγκαταλείποντας εντελώς την έννοια της ανασυγκρότησης κβαντικής κατάστασης υπέρ της στόχευσης μόνο του βαθμού εμπλοκής. Για να το κάνουν αυτό, σχεδίασαν βαθιά νευρωνικά δίκτυα για τη μελέτη των μπερδεμένων κβαντικών καταστάσεων και τα εκπαίδευσαν σε αριθμητικά παραγόμενα δεδομένα. «Επιλέγουμε τυχαία κβαντικές καταστάσεις και, έχοντας δημιουργήσει την κατάσταση, γνωρίζουμε την έξοδο του δικτύου επειδή γνωρίζουμε το μέγεθος της εμπλοκής στο σύστημα», εξηγεί ο Ježek. «αλλά μπορούμε επίσης να προσομοιώσουμε τα δεδομένα που θα λάβαμε κατά τη μέτρηση διαφορετικών αριθμών αντιγράφων από διαφορετικές κατευθύνσεις… Αυτά τα προσομοιωμένα δεδομένα είναι η είσοδος του δικτύου».

Τα δίκτυα χρησιμοποίησαν αυτά τα δεδομένα για να μάθουν να κάνουν ολοένα καλύτερες εκτιμήσεις της εμπλοκής από δεδομένες ομάδες μετρήσεων. Οι ερευνητές στη συνέχεια έλεγξαν την ακρίβεια του αλγορίθμου χρησιμοποιώντας ένα δεύτερο σύνολο προσομοιωμένων δεδομένων. Βρήκαν τα λάθη του ήταν περίπου 10 φορές χαμηλότερα από αυτά ενός παραδοσιακού αλγορίθμου εκτίμησης κβαντικής τομογραφίας.

Δοκιμή της μεθόδου πειραματικά

Τέλος, οι ερευνητές μέτρησαν πειραματικά δύο πραγματικά μπερδεμένα συστήματα: μια κβαντική κουκκίδα ημιαγωγού αντλούμενης συντονισμού και μια πηγή δύο φωτονίων αυθόρμητης παραμετρικής προς τα κάτω μετατροπής. «Μετρήσαμε την τομογραφία πλήρους κβαντικής κατάστασης…και από αυτό γνωρίζαμε τα πάντα για την κβαντική κατάσταση», λέει ο Ježek, «Στη συνέχεια παραλείψαμε μερικές από αυτές τις μετρήσεις». Καθώς αφαιρούσαν όλο και περισσότερες μετρήσεις, συνέκριναν το σφάλμα στις προβλέψεις των βαθιών νευρωνικών τους δικτύων με τα σφάλματα από τον ίδιο παραδοσιακό αλγόριθμο. Το σφάλμα των νευρωνικών δικτύων ήταν σημαντικά μικρότερο.

Οι φυσικοί βρίσκουν έναν πιο φωτεινό τρόπο για τη διάγνωση των κβαντικών καταστάσεων

Ράιαν Γκλάσερ, ειδικός στην κβαντική οπτική στο Πανεπιστήμιο Tulane στη Λουιζιάνα των ΗΠΑ, ο οποίος έχει χρησιμοποιήσει στο παρελθόν μηχανική μάθηση για να εκτιμήσει τις κβαντικές καταστάσεις, αποκαλεί τη νέα εργασία «σημαντική». «Ένα από τα προβλήματα που αντιμετωπίζουν οι κβαντικές τεχνολογίες αυτή τη στιγμή είναι ότι φτάνουμε στο σημείο όπου μπορούμε να κλιμακώσουμε τα πράγματα σε μεγαλύτερα συστήματα και…θέλετε να είστε σε θέση να κατανοήσετε πλήρως το σύστημά σας», λέει ο Glasser. «Τα κβαντικά συστήματα είναι διαβόητα ευαίσθητα και δύσκολο να μετρηθούν και να χαρακτηριστούν πλήρως… [Οι ερευνητές] δείχνουν ότι μπορούν να ποσοτικοποιήσουν με μεγάλη ακρίβεια την ποσότητα της εμπλοκής στο σύστημά τους, κάτι που είναι πολύ χρήσιμο καθώς πηγαίνουμε σε όλο και μεγαλύτερα κβαντικά συστήματα, επειδή κανείς δεν θέλει κβαντικός υπολογιστής δύο qubit."

Η ομάδα σχεδιάζει τώρα να επεκτείνει την έρευνά της σε μεγαλύτερα κβαντικά συστήματα. Ο Ježek ενδιαφέρεται επίσης για το αντίστροφο πρόβλημα: «Ας πούμε ότι πρέπει να μετρήσουμε την εμπλοκή ενός κβαντικού συστήματος με ακρίβεια, ας πούμε, 1%,» λέει, «Ποιο ελάχιστο επίπεδο μέτρησης χρειαζόμαστε για να πάρουμε αυτό το επίπεδο εκτίμηση εμπλοκής;»

Η έρευνα δημοσιεύεται στο Προκαταβολές Επιστήμη.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Αυτοκίνητο / EVs, Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• BlockOffsets. Εκσυγχρονισμός της περιβαλλοντικής αντιστάθμισης ιδιοκτησίας. Πρόσβαση εδώ.
• πηγή: https://physicsworld.com/a/neural-networks-speed-up-quantum-state-measurements/