Les réseaux de neurones accélèrent les mesures d'état quantique – Physics World

Les réseaux de neurones accélèrent les mesures d'état quantique – Physics World

Horodatage: 31 juillet 2023 12h00

résumé de l'algorithme quantique
(Avec l'aimable autorisation de iStock/Anadmist)

Les réseaux de neurones peuvent estimer le degré d'intrication dans les systèmes quantiques beaucoup plus efficacement que les techniques traditionnelles, selon une nouvelle étude. En contournant la nécessité de caractériser pleinement les états quantiques, la nouvelle méthode d'apprentissage en profondeur pourrait s'avérer particulièrement utile pour les technologies quantiques à grande échelle, où la quantification de l'intrication sera cruciale, mais les limitations de ressources rendent la caractérisation complète de l'état irréaliste.

L'intrication - une situation dans laquelle plusieurs particules partagent une fonction d'onde commune, de sorte que la perturbation d'une particule affecte toutes les autres - est au cœur de la mécanique quantique. Selon le co-auteur de l'étude, mesurer le degré d'intrication dans un système fait donc partie de la compréhension à quel point il est "quantique". Miroslav Ježek, physicien à l'Université Palacký en Tchéquie. "Vous pouvez observer ce comportement à partir de systèmes simples à deux particules où les principes fondamentaux de la physique quantique sont discutés", explique-t-il. "D'autre part, il existe un lien direct entre, par exemple, les changements d'intrication et les transitions de phase dans la matière macroscopique."

Le degré auquel deux particules quelconques dans un système sont enchevêtrées peut être quantifié par un seul nombre. Obtenir la valeur exacte de ce nombre nécessite de reconstruire la fonction d'onde, mais la mesure d'un état quantique la détruit, de sorte que plusieurs copies du même état doivent être mesurées encore et encore. C'est ce qu'on appelle la tomographie quantique par analogie à la tomographie classique, dans laquelle une série d'images 2D est utilisée pour en construire une 3D, et c'est une conséquence inévitable de la théorie quantique. "Si vous pouviez en apprendre davantage sur un état quantique à partir d'une mesure, un qubit ne serait pas un qubit - ce serait un peu - et il n'y aurait pas de communication quantique", déclare Ana Predojevic, physicien à l'Université de Stockholm, en Suède, et membre de l'équipe d'étude.

Le problème est que l'incertitude inhérente à une mesure quantique rend extrêmement difficile la mesure de l'intrication entre (par exemple) des qubits dans un processeur quantique, car il faut effectuer une tomographie complète en fonction d'onde multi-qubit sur chaque qubit. Même pour un petit processeur, cela prendrait des jours : « Vous ne pouvez pas faire une seule mesure et dire si vous avez un enchevêtrement ou non », explique Predojević. "C'est comme quand les gens font un scanner CAT [computed axial tomography] de votre colonne vertébrale - vous devez être dans le tube 45 minutes pour qu'ils puissent prendre l'image complète : vous ne pouvez pas demander s'il y a quelque chose qui ne va pas avec telle ou telle vertèbre de un scan de cinq minutes.

Trouver des réponses suffisamment bonnes

Bien que le calcul de l'intrication avec une précision de 100 % nécessite une tomographie d'état quantique complète, plusieurs algorithmes existent qui peuvent deviner l'état quantique à partir d'informations partielles. Le problème avec cette approche, dit Ježek, est "qu'il n'y a aucune preuve mathématique qu'avec un nombre limité de mesures, vous dites quelque chose sur l'intrication à un certain niveau de précision".

Dans le nouveau travail, Ježek, Predojević et leurs collègues ont adopté une approche différente, abandonnant complètement la notion de reconstruction de l'état quantique en faveur du ciblage du seul degré d'intrication. Pour ce faire, ils ont conçu des réseaux de neurones profonds pour étudier les états quantiques intriqués et les ont entraînés sur des données générées numériquement. "Nous sélectionnons au hasard des états quantiques et, après avoir généré l'état, nous connaissons la sortie du réseau car nous connaissons la quantité d'intrication dans le système", explique Ježek ; "mais nous pouvons également simuler les données que nous obtiendrions lors de la mesure de différents nombres de copies dans différentes directions... Ces données simulées sont l'entrée du réseau."

Les réseaux ont utilisé ces données pour apprendre à faire des estimations toujours meilleures de l'intrication à partir d'ensembles de mesures donnés. Les chercheurs ont ensuite vérifié la précision de l'algorithme à l'aide d'un deuxième ensemble de données simulées. Ils ont découvert que ses erreurs étaient environ 10 fois inférieures à celles d'un algorithme d'estimation de tomographie quantique traditionnel.

Tester la méthode expérimentalement

Enfin, les chercheurs ont mesuré expérimentalement deux systèmes intriqués réels : un point quantique à semi-conducteur pompé par résonance et une source à deux photons à conversion descendante paramétrique spontanée. "Nous avons mesuré la tomographie à l'état quantique complet... et à partir de là, nous savions tout sur l'état quantique", explique Ježek, "Ensuite, nous avons omis certaines de ces mesures." Au fur et à mesure qu'ils supprimaient de plus en plus de mesures, ils ont comparé l'erreur dans les prédictions de leurs réseaux de neurones profonds avec les erreurs du même algorithme traditionnel. L'erreur des réseaux de neurones était significativement plus faible.

Ryan Glasser, un expert en optique quantique à l'Université de Tulane en Louisiane, aux États-Unis, qui a déjà utilisé l'apprentissage automatique pour estimer les états quantiques, qualifie le nouveau travail de "significatif". "L'un des problèmes auxquels les technologies quantiques se heurtent actuellement est que nous arrivons au point où nous pouvons faire évoluer les choses vers des systèmes plus grands, et... vous voulez être en mesure de comprendre pleinement votre système", déclare Glasser. "Les systèmes quantiques sont notoirement délicats et difficiles à mesurer et à caractériser pleinement... [Les chercheurs] montrent qu'ils peuvent quantifier très précisément la quantité d'intrication dans leur système, ce qui est très utile lorsque nous passons à des systèmes quantiques de plus en plus grands parce que personne ne veut un ordinateur quantique à deux qubits.

Le groupe prévoit désormais d'étendre ses recherches à des systèmes quantiques plus vastes. Ježek s'intéresse également au problème inverse : "Disons que nous devons mesurer l'intrication d'un système quantique avec une précision de, disons, 1 %", dit-il, "De quel niveau minimum de mesure avons-nous besoin pour obtenir ce niveau de estimation de l'intrication ? »

La recherche est publiée dans Science Advances.

Horodatage:

Plus de Monde de la physique