Närvivõrgud kiirendavad kvantseisundi mõõtmist – Physics World

Närvivõrgud suudavad kvantsüsteemide takerdumise astet hinnata palju tõhusamalt kui traditsioonilised tehnikad, näitab uus uuring. Kvantseisundite täieliku iseloomustamise vajaduse kõrvalejätmisega võib uus süvaõppemeetod osutuda eriti kasulikuks suuremahuliste kvanttehnoloogiate jaoks, kus takerdumise kvantifitseerimine on ülioluline, kuid ressursside piirangud muudavad täieliku oleku iseloomustamise ebareaalseks.

Põimumine – olukord, kus mitmel osakesel on ühine lainefunktsioon, nii et ühe osakese häirimine mõjutab kõiki teisi – on kvantmehaanika keskmes. Süsteemi takerdumise astme mõõtmine on seega osa mõistmisest, kui "kvant" see on, ütleb uuringu kaasautor Miroslav Ježek, füüsik Palacký ülikoolis Tšehhis. "Seda käitumist saate jälgida alates lihtsatest kaheosakeselistest süsteemidest, kus arutatakse kvantfüüsika põhialuseid," selgitab ta. "Teisest küljest on otsene seos näiteks makroskoopilise aine takerdumise ja faasisiirete vahel."

Astet, mil määral on süsteemi mis tahes kaks osakest takerdunud, saab kvantifitseerida ühe numbriga. Selle arvu täpse väärtuse saamine nõuab lainefunktsiooni rekonstrueerimist, kuid kvantseisundi mõõtmine hävitab selle, mistõttu tuleb ikka ja jälle mõõta sama oleku mitut koopiat. Seda nimetatakse kvanttomograafiaks analoogselt klassikalise tomograafiaga, milles 2D-pildi koostamiseks kasutatakse 3D-kujutiste seeriat ja see on kvantteooria vältimatu tagajärg. "Kui saaksite ühe mõõtmise abil õppida tundma kvantolekut, ei oleks kubit kubit – see oleks natuke - ja kvantsuhtlust ei toimuks," ütleb Ana Predojević, Rootsis Stockholmi Ülikooli füüsik ja uurimisrühma liige.

Probleem on selles, et kvantmõõtmise loomupärane määramatus muudab kvantprotsessoris (näiteks) kubitide vahelise põimumise mõõtmise äärmiselt keeruliseks, kuna igal kubitil tuleb läbi viia täielik mitme kubiti lainefunktsiooni tomograafia. Isegi väikese protsessori puhul kuluks selleks päevi: "Te ei saa teha ainult ühte mõõtmist ja öelda, kas teil on takerdumine või mitte," ütleb Predojević. "See on nagu siis, kui inimesed teevad teie selgroost CAT [aksiaaltomograafia] – peate olema 45 minutit torus, et nad saaksid teha täispildi: te ei saa küsida, kas sellel või teisel selgroolülil on midagi viga. viieminutiline skaneerimine."

Piisavalt heade vastuste leidmine

Kuigi põimumise arvutamiseks 100% täpsusega on vaja täielikku kvantseisundi tomograafiat, on olemas mitu algoritmi, mis suudavad osalise teabe põhjal kvantseisu ära arvata. Selle lähenemisviisi probleem on Ježeki sõnul "puudub matemaatiline tõestus selle kohta, et mõne piiratud arvu mõõtmiste korral ütlete midagi takerdumise kohta mingil täpsustasemel".

Uues töös võtsid Ježek, Predojević ja kolleegid teistsuguse suuna, loobudes kvantseisundi rekonstrueerimisest täielikult, eelistades ainult takerdumise astme sihtimist. Selleks kavandasid nad sügavaid närvivõrke, et uurida takerdunud kvantolekuid ja koolitasid neid numbriliselt genereeritud andmete põhjal. "Valime juhuslikult kvantolekud ja pärast oleku genereerimist teame võrgu väljundit, kuna teame süsteemi takerdumise suurust," selgitab Ježek; "aga me saame simuleerida ka andmeid, mida saaksime eri suundadest erineva arvu koopiate mõõtmisel... Need simuleeritud andmed on võrgu sisend."

Võrgud kasutasid neid andmeid selleks, et õpetada end andma antud mõõtmiskomplektide põhjal takerdumise kohta üha paremaid hinnanguid. Seejärel kontrollisid teadlased algoritmi täpsust, kasutades teist simuleeritud andmete komplekti. Nad leidsid, et selle vead olid umbes 10 korda väiksemad kui traditsioonilise kvanttomograafia hindamisalgoritmi vead.

Meetodi katsetamine eksperimentaalselt

Lõpuks mõõtsid teadlased eksperimentaalselt kahte reaalset takerdunud süsteemi: resonantsi pumbatavat pooljuht-kvantpunkti ja spontaanset parameetrilist allamuundamise kahe footoni allikat. "Mõõtsime täiskvantoleku tomograafiat... ja sellest lähtuvalt teadsime kvantoleku kohta kõike," ütleb Ježek, "siis jätsime mõned neist mõõtmistest välja." Kuna nad eemaldasid üha rohkem mõõtmisi, võrdlesid nad oma sügavate närvivõrkude ennustuste viga sama traditsioonilise algoritmi vigadega. Närvivõrkude viga oli oluliselt väiksem.

Füüsikud leiavad kvantseisundite diagnoosimiseks helgema viisi

Ryan GlasserUSA Louisiana osariigi Tulane'i ülikooli kvantoptika ekspert, kes on varem kvantolekute hindamiseks masinõpet kasutanud, nimetab uut tööd "oluliseks". "Üks probleem, millega kvanttehnoloogiad praegu kokku puutuvad, on see, et oleme jõudmas punkti, kus saame asju suuremateks süsteemideks skaleerida, ja… te soovite oma süsteemi täielikult mõista, " ütleb Glasser. "Kvantsüsteemid on kurikuulsalt delikaatsed ning neid on raske mõõta ja täielikult iseloomustada... [Teadlased] näitavad, et nad suudavad väga täpselt kvantifitseerida takerdumise määra oma süsteemis, mis on väga kasulik, kui me läheme üha suuremate kvantsüsteemide juurde, sest keegi ei taha kahe qubit kvantarvuti."

Rühm kavatseb nüüd laiendada oma uurimistööd suurematele kvantsüsteemidele. Ježeki huvitab ka pöördülesanne: "Oletame, et peame mõõtma kvantsüsteemi põimumist täpsusega, näiteks 1%, " ütleb ta: "Millist minimaalset mõõtmise taset me vajame selle taseme saamiseks. takerdumise hinnang?"

Uuring on avaldatud aastal Teadus ettemaksed.

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Autod/elektrisõidukid, Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• BlockOffsets. Keskkonnakompensatsiooni omandi ajakohastamine. Juurdepääs siia.
• Allikas: https://physicsworld.com/a/neural-networks-speed-up-quantum-state-measurements/