Jaringan saraf mempercepat pengukuran status kuantum – Dunia Fisika

Jaringan saraf dapat memperkirakan tingkat keterikatan dalam sistem kuantum jauh lebih efisien daripada teknik tradisional, sebuah studi baru menunjukkan. Dengan mengesampingkan kebutuhan untuk sepenuhnya mengkarakterisasi keadaan kuantum, metode pembelajaran mendalam yang baru dapat terbukti sangat berguna untuk teknologi kuantum skala besar, di mana keterikatan kuantifikasi akan menjadi penting tetapi keterbatasan sumber daya membuat karakterisasi keadaan penuh menjadi tidak realistis.

Keterikatan – situasi di mana banyak partikel berbagi fungsi gelombang yang sama, sehingga satu partikel yang mengganggu memengaruhi yang lainnya – adalah inti dari mekanika kuantum. Mengukur tingkat keterikatan dalam suatu sistem dengan demikian merupakan bagian dari pemahaman bagaimana "kuantum" itu, kata rekan penulis studi Miroslav Ježek, fisikawan di Palacký University di Czechia. “Anda dapat mengamati perilaku ini mulai dari sistem dua partikel sederhana yang membahas dasar-dasar fisika kuantum,” jelasnya. "Di sisi lain, ada hubungan langsung antara, misalnya, perubahan keterikatan dan transisi fase dalam materi makroskopik."

Sejauh mana dua partikel dalam suatu sistem terjerat dapat diukur dengan satu angka. Mendapatkan nilai yang tepat dari angka ini membutuhkan rekonstruksi fungsi gelombang, tetapi mengukur keadaan kuantum akan menghancurkannya, jadi banyak salinan dari keadaan yang sama harus diukur berulang kali. Ini disebut tomografi kuantum dalam analogi tomografi klasik, di mana serangkaian gambar 2D digunakan untuk membuat gambar 3D, dan ini merupakan konsekuensi teori kuantum yang tidak dapat dihindari. “Jika Anda bisa belajar tentang keadaan kuantum dari satu pengukuran, qubit tidak akan menjadi qubit – itu akan sedikit – dan tidak akan ada komunikasi kuantum,” kata Ana Predojevic, fisikawan di Universitas Stockholm, Swedia, dan anggota tim peneliti.

Masalahnya adalah ketidakpastian inheren dari pengukuran kuantum membuatnya sangat sulit untuk mengukur keterikatan antara (misalnya) qubit dalam prosesor kuantum, karena seseorang harus melakukan tomografi fungsi gelombang multi-qubit penuh pada setiap qubit. Bahkan untuk prosesor kecil, ini akan memakan waktu berhari-hari: “Anda tidak dapat melakukan hanya satu pengukuran dan mengetahui apakah Anda mengalami keterikatan atau tidak,” kata Predojević. “Ini seperti ketika orang melakukan pemindaian CAT [computed axial tomography] tulang belakang Anda – Anda harus berada di dalam tabung selama 45 menit agar mereka dapat mengambil gambar penuh: Anda tidak dapat bertanya apakah ada yang salah dengan tulang belakang ini atau itu dari pemindaian lima menit.”

Menemukan jawaban yang cukup baik

Meskipun menghitung keterikatan dengan akurasi 100% memerlukan tomografi keadaan kuantum penuh, ada beberapa algoritme yang dapat menebak keadaan kuantum dari informasi parsial. Masalah dengan pendekatan ini, kata Ježek, adalah "tidak ada bukti matematis bahwa dengan sejumlah pengukuran terbatas Anda mengatakan sesuatu tentang keterikatan pada tingkat presisi tertentu".

Dalam karya baru, Ježek, Predojević, dan rekan mengambil taktik yang berbeda, membuang gagasan rekonstruksi keadaan kuantum sama sekali demi menargetkan tingkat keterikatan saja. Untuk melakukan ini, mereka merancang jaringan saraf yang dalam untuk mempelajari keadaan kuantum yang terjerat dan melatihnya pada data yang dihasilkan secara numerik. “Kami memilih status kuantum secara acak dan, setelah menghasilkan status, kami mengetahui keluaran jaringan karena kami mengetahui jumlah keterikatan dalam sistem,” jelas Ježek; “tetapi kami juga dapat mensimulasikan data yang akan kami dapatkan selama pengukuran jumlah salinan yang berbeda dari arah yang berbeda… Data simulasi ini adalah input dari jaringan.”

Jaringan menggunakan data ini untuk mengajar diri mereka sendiri untuk membuat estimasi keterikatan yang lebih baik dari rangkaian pengukuran yang diberikan. Para peneliti kemudian memeriksa keakuratan algoritme menggunakan kumpulan data simulasi kedua. Mereka menemukan kesalahannya sekitar 10 kali lebih rendah daripada algoritma estimasi tomografi kuantum tradisional.

Menguji metode secara eksperimental

Akhirnya, para peneliti secara eksperimental mengukur dua sistem terjerat nyata: titik kuantum semikonduktor yang dipompa secara resonan dan sumber dua foton konversi turun parametrik spontan. “Kami mengukur tomografi keadaan kuantum penuh… dan dari sini kami mengetahui segalanya tentang keadaan kuantum,” kata Ježek, “Kemudian kami menghilangkan beberapa pengukuran ini.” Saat mereka menghapus lebih banyak pengukuran, mereka membandingkan kesalahan dalam prediksi jaringan saraf dalam mereka dengan kesalahan dari algoritme tradisional yang sama. Kesalahan jaringan saraf secara signifikan lebih rendah.

Fisikawan menemukan cara yang lebih cerah untuk mendiagnosis keadaan kuantum

Ryan Glasser, seorang pakar optik kuantum di Universitas Tulane di Louisiana, AS, yang sebelumnya telah menggunakan pembelajaran mesin untuk memperkirakan keadaan kuantum, menyebut karya baru ini “signifikan”. “Salah satu masalah yang dihadapi teknologi kuantum saat ini adalah kita mencapai titik di mana kita dapat menskalakan berbagai hal ke sistem yang lebih besar, dan… Anda ingin dapat sepenuhnya memahami sistem Anda,” kata Glasser. “Sistem kuantum terkenal rumit dan sulit untuk diukur dan dicirikan sepenuhnya… [Para peneliti] menunjukkan bahwa mereka dapat dengan sangat akurat menghitung jumlah keterikatan dalam sistem mereka, yang sangat berguna saat kita beralih ke sistem kuantum yang lebih besar dan lebih besar karena tidak ada yang menginginkan komputer kuantum dua qubit.”

Grup tersebut sekarang berencana untuk memperluas penelitiannya ke sistem kuantum yang lebih besar. Ježek juga tertarik dengan masalah invers: “Misalkan kita perlu mengukur keterikatan sistem kuantum dengan presisi, katakanlah, 1%,” katanya, “Berapa tingkat pengukuran minimum yang kita perlukan untuk mendapatkan tingkat estimasi keterikatan?”

Penelitian ini dipublikasikan di Kemajuan ilmu pengetahuan.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Otomotif / EV, Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• BlockOffset. Modernisasi Kepemilikan Offset Lingkungan. Akses Di Sini.
• Sumber: https://physicsworld.com/a/neural-networks-speed-up-quantum-state-measurements/