Seiring dengan kemajuan teknologi kuantum, para peneliti dapat menghubungkan semakin banyak komponen untuk menciptakan komputer kuantum yang baru lahir. Tantangan penting adalah mengetahui komponen dan konfigurasi apa yang paling berpotensi untuk menciptakan sistem yang berguna. Sekarang, Leopoldo Sarra dan Florian Marquardt telah menunjukkan bagaimana pembelajaran mesin dapat digunakan untuk mengimplementasikan desain eksperimental Bayesian yang mendalam pada jaringan kuantum skala besar.
Marquardt berbasis di Max Planck Institute for the Science of Light di Jerman, tempat penelitian tersebut dilakukan. Sarra sejak itu pindah ke Institut Flatiron di AS, tempat dia berbicara Dunia Fisika tentang penelitian.
Apa yang dimaksud dengan desain eksperimental Bayesian yang mendalam?
Desain eksperimen adalah cabang ilmu yang berhubungan dengan pemilihan eksperimen yang akan dilakukan untuk mengkarakterisasi suatu sistem atau fenomena fisik. Saat merancang eksperimen baru, para ilmuwan harus mempertimbangkan hipotesis yang ingin mereka uji atau salahkan, dan memprioritaskan hipotesis yang mungkin lebih berguna. Seringkali terdapat ketergantungan yang sangat rumit antara besaran fisika yang diteliti dan besaran yang dapat diamati oleh para ilmuwan. Implikasi dari hasil eksperimen biasanya tidak jelas.
Desain eksperimen Bayesian adalah teknik untuk secara otomatis mengidentifikasi eksperimen paling berguna yang memungkinkan kita memahami sebanyak mungkin tentang sistem fisik. Secara khusus, dimulai dari pengetahuan awal atau ekspektasi tentang suatu sistem, ia membangun model statistik yang mengukur ketidakpastian dalam pengetahuan kita dan bagaimana ketidakpastian tersebut berubah ketika eksperimen tertentu dilakukan. Dengan demikian, ia mengukur kegunaan suatu eksperimen dan, oleh karena itu, menemukan eksperimen yang paling berguna.
Namun, teknik ini diketahui sangat mahal secara komputasi. Secara tradisional, perkiraan yang sangat kasar (atau bahkan hanya heuristik) diperlukan agar hal tersebut dapat dilaksanakan. Dengan perkembangan terkini dari teknik kecerdasan buatan seperti jaringan saraf (juga disebut “pembelajaran mendalam”, maka kata “dalam”), kini dimungkinkan untuk membuat perkiraan yang lebih baik terhadap teknik Bayesian, sehingga menghasilkan hasil yang lebih efisien dan akurat.
Apa tantangan utama yang dihadapi orang-orang yang merancang platform teknologi kuantum?
Perangkat kuantum saat ini sangat menantang untuk dibuat dan dioperasikan. Mereka sangat terpengaruh oleh interferensi dan kebisingan lingkungan, yang dapat melemahkan keandalan dan kemampuan mereka untuk membuat perangkat besar dengan menghubungkan banyak perangkat secara bersamaan. Secara khusus, meskipun ada upaya manufaktur untuk menghasilkan perangkat yang identik, setiap komponen akan selalu sedikit berbeda karena ketidaksempurnaan fabrikasi, sehingga akan memiliki perilaku yang sedikit berbeda dari yang diharapkan. Selain itu, perilaku komponen juga dapat dipengaruhi oleh kondisi lingkungan (seperti fluktuasi suhu, kebisingan sekitar, dll.). Oleh karena itu, kemampuan untuk memahami cara pengoperasian sebenarnya suatu perangkat dan memperhitungkan serta memperbaiki penyimpangan dari perilaku yang diharapkan dengan tepat menjadi sangat penting.
Bagaimana desain eksperimental Bayesian yang mendalam dapat membantu memecahkan masalah ini?
Karena tidak mungkin mengkarakterisasi setiap perangkat kuantum secara manual setiap kali sebelum digunakan, teknik otomatis harus digunakan. Desain eksperimental Bayesian menyediakan cara untuk mengkarakterisasi sistem kuantum dengan jumlah pengukuran minimum. Ini dapat digunakan untuk membandingkan pendekatan yang berbeda dan memahami pendekatan yang paling efisien. Meskipun strategi yang dirancang secara manual dapat memberikan solusi, kami berharap teknik Bayesian jauh lebih efisien, memberikan hasil yang lebih cepat dan akurat. Keuntungannya ada dua: pertama, mereka memberi tahu Anda cara menggabungkan hasil eksperimen baru ke dalam pengetahuan sebelumnya; kedua, mereka memberi tahu Anda eksperimen mana yang harus dijalankan selanjutnya. Ketidakefisienan apa pun pada langkah mana pun akan mengakibatkan waktu karakterisasi lebih lama atau akurasi lebih rendah.
Apa yang telah Anda lakukan dalam makalah Anda “Desain eksperimental Deep Bayesian untuk sistem banyak benda kuantum”?
Dalam karya ini, kami mengambil beberapa teknik canggih dalam kecerdasan buatan yang berhubungan dengan estimasi kuantitas yang diperlukan untuk menggunakan kerangka Bayesian, dan kami menyelidiki kemungkinan penerapannya pada sistem kuantum. Tujuannya adalah untuk memahami seberapa berguna perangkat tersebut dalam mengkarakterisasi perangkat kuantum, seberapa efisien perangkat tersebut, dan tantangan teknis apa yang perlu diatasi untuk aplikasi praktis di masa depan. Kami mempertimbangkan beberapa platform yang paling umum (berpasangan rongga dan array qubit) dan mengeksplorasi penerapan teknik ini untuk menemukan parameter operasinya. Kami membandingkan efisiensi dengan beberapa strategi karakterisasi yang lebih naif, seperti melakukan pengukuran acak atau pengukuran seragam dalam rentang parameter. Kami juga mempelajari pengaruh pilihan desain yang berbeda serta dampak kebisingan dalam prediksi.
Apa yang Anda temukan dan bagaimana hal ini dapat memajukan pengembangan teknologi kuantum?
Desain eksperimental Deep Bayesian menyediakan cara untuk memperbarui pengetahuan tentang parameter sistem dan ketidakpastiannya setelah setiap pengukuran dalam situasi di mana hubungan antara hasil pengukuran dan pembaruan parameter bukanlah hal yang sepele. Meskipun teknik standar biasanya hanya menemukan satu hasil yang paling mungkin menggambarkan sistem, teknik mendalam memperkirakan keseluruhan distribusi. Hasilnya, hal ini dapat mengungkap batasan strategi karakterisasi tertentu. Jika ketidakpastian suatu parameter tidak berkurang setelah beberapa kali pengukuran, hal ini biasanya berarti bahwa pengaturan pengukuran tidak memungkinkan penentuan parameter tersebut secara jelas.
Dengan melihat pengukuran yang dipilih, kita melihat bahwa “strategi efektif” muncul yang menggabungkan eksplorasi pengaturan pengukuran yang berbeda (di mana konfigurasi pengukuran yang paling relevan diidentifikasi) dan eksploitasi pengaturan yang diidentifikasi untuk mengurangi ketidakpastian.
Lebih lanjut, kami telah menunjukkan keuntungan dari strategi karakterisasi aktif, di mana setiap percobaan (pengukuran berikutnya) dipilih untuk memaksimalkan utilitas, dibandingkan dengan strategi pengukuran lain yang lebih sederhana. Untuk karakterisasi perangkat kuantum yang efisien, yang mungkin bergantung pada banyak parameter berbeda dan dipengaruhi oleh berbagai sumber kebisingan, melakukan pengukuran acak yang tidak memperhitungkan hasil sebelumnya jelas kurang optimal.
Perkembangan masa depan dari teknik ini akan menghasilkan perangkat kuantum yang jauh lebih andal.
Pembelajaran mesin membantu studi tentang magnet kuantum
Sepertinya Anda akan menindaklanjuti pekerjaan ini dengan penelitian lebih lanjut
Melalui karya ini, kami telah menunjukkan bahwa desain eksperimental Bayesian yang mendalam memberikan keuntungan nyata dalam karakterisasi sistem kuantum dibandingkan dengan teknik yang lebih sederhana. Langkah selanjutnya adalah peningkatan teknis dari metode yang disajikan untuk memungkinkan penerapan cepat pada perangkat kuantum nyata dan kemungkinan untuk ditingkatkan ke sistem yang lebih besar. Meskipun saat ini algoritme harus dijalankan kembali setelah setiap pengukuran, salah satu kemungkinannya adalah mempelajari seluruh strategi saran pengukuran melalui banyak simulasi, lalu menggunakan prediktor yang lebih cepat ini untuk digunakan dengan perangkat sebenarnya.
Secara umum, kemampuan untuk memiliki model fenomena fisik, menilai ketidakpastiannya, dan memahami eksperimen mana yang paling berguna untuk memperbaikinya merupakan dasar dari metode ilmiah. Meskipun saat ini kita hanya memodelkan sistem kuantum dengan beberapa parameter yang tidak diketahui, dan eksperimen yang berbeda hanya sesuai dengan pengaturan pengukuran yang berbeda, kita dapat membayangkan algoritma masa depan yang bertindak sebagai semacam “ilmuwan buatan”, yang mampu mengeksplorasi fenomena fisik sendiri. Studi desain eksperimental Bayesian dalam teknik kuantum juga akan membawa kemajuan dalam visi jangka panjang ini.
- 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. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
- PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
- Sumber: https://physicsworld.com/a/deep-bayesian-experimental-design-characterizes-large-scale-quantum-systems/
- :memiliki
- :adalah
- :bukan
- :Di mana
- $NAIK
- 160
- a
- kemampuan
- Sanggup
- Tentang Kami
- dapat diakses
- Akun
- ketepatan
- tepat
- aktif
- tindakan
- sebenarnya
- tambahan
- uang muka
- Keuntungan
- keuntungan
- terpengaruh
- Setelah
- bantu
- algoritma
- mengizinkan
- juga
- selalu
- Ambient
- an
- dan
- Apa pun
- Aplikasi
- aplikasi
- terapan
- pendekatan
- mendekati
- ADALAH
- buatan
- kecerdasan buatan
- AS
- menilai
- At
- Otomatis
- secara otomatis
- berdasarkan
- dasar
- Bayesian
- BE
- menjadi
- sebelum
- laku
- Lebih baik
- antara
- Cabang
- membangun
- membangun
- by
- bernama
- CAN
- mampu
- menantang
- tantangan
- menantang
- perubahan
- mencirikan
- mencirikan
- pilihan
- terpilih
- Jelas
- menggabungkan
- Umum
- membandingkan
- dibandingkan
- rumit
- komponen
- komponen
- komputer
- beton
- Kondisi
- Terhubung
- Menghubungkan
- Mempertimbangkan
- dianggap
- benar
- bisa
- ditambah
- membuat
- membuat
- sangat penting
- Sekarang
- transaksi
- Penawaran
- mengurangi
- mendalam
- tergantung
- ketergantungan
- menggambarkan
- Mendesain
- desainer
- merancang
- Meskipun
- penentuan
- Pengembangan
- Perkembangan
- alat
- Devices
- MELAKUKAN
- berbeda
- distribusi
- do
- tidak
- dilakukan
- dua
- setiap
- efek
- efisiensi
- efisien
- upaya
- antara
- muncul
- dipekerjakan
- Seluruh
- lingkungan
- membayangkan
- dll
- Bahkan
- mengharapkan
- harapan
- diharapkan
- mahal
- eksperimen
- eksperimental
- eksperimen
- eksploitasi
- eksplorasi
- Dieksplorasi
- Menjelajahi
- sangat
- menghadapi
- FAST
- lebih cepat
- layak
- Menemukan
- temuan
- Pertama
- fluktuasi
- berikut
- Untuk
- Kerangka
- dari
- depan
- lebih lanjut
- masa depan
- umumnya
- Jerman
- diberikan
- tujuan
- Memiliki
- he
- membantu
- karenanya
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- HTTPS
- identik
- diidentifikasi
- mengidentifikasi
- if
- gambar
- Dampak
- melaksanakan
- implikasi
- penting
- memperbaiki
- perbaikan
- meningkatkan
- in
- menggabungkan
- meningkatkan
- ketidakefisienan
- informasi
- mulanya
- Lembaga
- Intelijen
- bunga
- Gangguan
- ke
- isu
- IT
- NYA
- jpg
- hanya
- Jenis
- Mengetahui
- pengetahuan
- dikenal
- besar
- besar-besaran
- lebih besar
- memimpin
- terkemuka
- BELAJAR
- pengetahuan
- meninggalkan
- Li
- cahaya
- 'like'
- Mungkin
- batas
- lagi
- mencari
- menurunkan
- mesin
- Mesin belajar
- Utama
- membuat
- manual
- pabrik
- banyak
- max
- max-width
- Maksimalkan
- Mungkin..
- cara
- pengukuran
- pengukuran
- metode
- minimum
- model
- lebih
- lebih efisien
- paling
- terharu
- banyak
- harus
- baru lahir
- perlu
- Perlu
- dibutuhkan
- jaringan
- saraf
- jaringan saraf
- New
- berikutnya
- Kebisingan
- sekarang
- jumlah
- nomor
- mengamati
- Jelas
- of
- sering
- on
- ONE
- yang
- hanya
- beroperasi
- operasi
- or
- Lainnya
- kami
- Hasil
- Mengatasi
- sendiri
- kertas
- parameter
- parameter
- tertentu
- Konsultan Ahli
- dilakukan
- melakukan
- gejala
- foto
- fisik
- Fisika
- Dunia Fisika
- Platform
- plato
- Kecerdasan Data Plato
- Data Plato
- kemungkinan
- mungkin
- potensi
- Praktis
- Prediksi
- Predictor
- disajikan
- sebelumnya
- Prioritaskan
- masalah
- menghasilkan
- tepat
- memberikan
- menyediakan
- menyediakan
- menghitung
- Kuantum
- komputer kuantum
- jaringan kuantum
- sistem kuantum
- teknologi kuantum
- qubit
- acak
- jarak
- nyata
- baru
- menurunkan
- rezim
- hubungan
- relevan
- keandalan
- dapat diandalkan
- penelitian
- peneliti
- mengakibatkan
- Hasil
- mengungkapkan
- Run
- Skala
- Ilmu
- ilmiah
- ilmuwan
- Kedua
- melihat
- terpilih
- seleksi
- pengaturan
- penyiapan
- ditunjukkan
- lebih sederhana
- hanya
- sejak
- tunggal
- situasi
- sedikit berbeda
- larutan
- MEMECAHKAN
- beberapa
- suara
- sumber
- standar
- kedudukan
- Mulai
- state-of-the-art
- statistik
- Langkah
- Tangga
- strategi
- Penyelarasan
- sangat
- belajar
- studi
- Belajar
- kurang optimal
- seperti itu
- sistem
- sistem
- Mengambil
- Teknis
- teknik
- teknik
- Teknologi
- Teknologi
- mengatakan
- uji
- dari
- bahwa
- Grafik
- mereka
- Mereka
- kemudian
- Sana.
- karena itu
- Ini
- mereka
- ini
- itu
- Melalui
- kuku ibu jari
- Demikian
- waktu
- kali
- untuk
- bersama
- mengambil
- secara tradisional
- benar
- khas
- ketidakpastian
- Ketidaktentuan
- Merusak
- memahami
- tidak dikenal
- Memperbarui
- us
- menggunakan
- bekas
- biasanya
- kegunaan
- berbagai
- sangat
- penglihatan
- ingin
- adalah
- Cara..
- we
- BAIK
- adalah
- Apa
- ketika
- yang
- sementara
- SIAPA
- akan
- dengan
- Word
- Kerja
- dunia
- akan
- Kamu
- Anda
- zephyrnet.dll