רשתות עצביות מזרזות מדידות מצב קוונטיות - עולם הפיזיקה

רשתות עצביות יכולות להעריך את מידת ההסתבכות במערכות קוונטיות בצורה יעילה הרבה יותר מאשר טכניקות מסורתיות, כך עולה ממחקר חדש. על ידי מניעת הצורך באפיון מלא של מצבים קוונטיים, שיטת הלמידה העמוקה החדשה עשויה להיות שימושית במיוחד עבור טכנולוגיות קוונטיות בקנה מידה גדול, שבהן כימות ההסתבכות יהיה מכריע אך מגבלות המשאב הופכות את אפיון המצב המלא ללא מציאותי.

הסתבכות - מצב שבו חלקיקים מרובים חולקים פונקציית גל משותפת, כך שהפרעה של חלקיק אחד משפיעה על כל השאר - היא בלב מכניקת הקוונטים. מדידת מידת ההסתבכות במערכת היא אפוא חלק מההבנה עד כמה היא "קוונטית", אומר מחבר המחקר מירוסלב יז'ק, פיזיקאי באוניברסיטת פאלאקי בצ'כיה. "אתה יכול לצפות בהתנהגות הזו החל ממערכות פשוטות של שני חלקיקים שבהן דנים יסודות הפיזיקה הקוונטית", הוא מסביר. "מצד שני, יש קשר ישיר בין, למשל, שינויים של הסתבכות ומעברי פאזה בחומר מקרוסקופי."

ניתן לכמת את המידה שבה כל שני חלקיקים במערכת מסובכים באמצעות מספר בודד. קבלת הערך המדויק של המספר הזה דורשת שחזור של פונקציית הגל, אבל מדידת מצב קוונטי הורסת אותו, ולכן יש למדוד עותקים מרובים של אותו מצב שוב ושוב. זה נקרא טומוגרפיה קוונטית באנלוגיה לטומוגרפיה קלאסית, שבה משתמשים בסדרה של תמונות דו-ממדיות לבניית תמונה תלת-ממדית, והיא תוצאה בלתי נמנעת של תורת הקוונטים. "אם אתה יכול ללמוד על מצב קוונטי ממדידה אחת, קיוביט לא היה קיוביט - זה היה קצת - ולא תהיה תקשורת קוונטית", אומר אנה פרדוייביץ', פיזיקאי באוניברסיטת שטוקהולם, שוודיה, וחבר בצוות המחקר.

הבעיה היא שאי הוודאות המובנית של מדידה קוונטית מקשה מאוד על מדידת ההסתבכות בין (למשל) קיוביטים במעבד קוונטי, שכן יש לבצע טומוגרפיה מלאה של פונקציית גל רב-קיוביט על כל קיוביט. אפילו עבור מעבד קטן, זה ייקח ימים: "אי אפשר לעשות רק מדידה אחת ולומר אם יש לך הסתבכות או לא", אומר Predojević. "זה כמו כשאנשים עושים סריקת CAT [טומוגרפיה צירית ממוחשבת] של עמוד השדרה שלך - אתה צריך להיות בצינור 45 דקות כדי שהם יוכלו לצלם את התמונה המלאה: אתה לא יכול לשאול אם יש משהו לא בסדר בחוליה זו או אחרת סריקה של חמש דקות."

למצוא תשובות מספיק טובות

למרות שחישוב הסתבכות עם דיוק של 100% דורש טומוגרפיה של מצב קוונטי מלא, קיימים מספר אלגוריתמים שיכולים לנחש את המצב הקוונטי ממידע חלקי. הבעיה בגישה הזו, אומר יז'ק, היא "אין הוכחה מתמטית שעם מספר מוגבל של מדידות אתה אומר משהו על הסתבכות ברמת דיוק כלשהי".

בעבודה החדשה, יז'ק, פרדוז'ביץ' ועמיתיו נקטו כיוון אחר, ופטרו לגמרי את הרעיון של שחזור מצב קוונטי לטובת התמקדות במידת ההסתבכות בלבד. לשם כך, הם תכננו רשתות עצביות עמוקות לחקור מצבים קוונטיים סבוכים ואימנו אותם על נתונים שנוצרו מספרית. "אנחנו בוחרים באקראי מצבים קוונטיים ולאחר שיצרנו את המצב, אנחנו יודעים את הפלט של הרשת כי אנחנו יודעים את כמות ההסתבכות במערכת", מסביר יז'ק; "אבל אנחנו יכולים גם לדמות את הנתונים שהיינו מקבלים במהלך מדידה של מספרים שונים של עותקים מכיוונים שונים... הנתונים המדומים האלה הם הקלט של הרשת."

הרשתות השתמשו בנתונים אלה כדי ללמד את עצמן לבצע הערכות טובות יותר של ההסתבכות ממערכות נתונות של מדידות. לאחר מכן בדקו החוקרים את דיוק האלגוריתם באמצעות סט שני של נתונים מדומים. הם גילו שהשגיאות שלו היו נמוכות בערך פי 10 מאלו של אלגוריתם הערכת טומוגרפיה קוונטית מסורתית.

בדיקת השיטה בניסוי

לבסוף, החוקרים מדדו בניסוי שתי מערכות מסתבכות אמיתיות: נקודה קוונטית מוליכים למחצה שאובים בתהודה ומקור פרמטרי ספונטני של שני פוטונים להמרה למטה. "מדדנו טומוגרפיה של מצב קוונטי מלא... ומכאן ידענו הכל על המצב הקוונטי", אומר יז'ק, "ואז השמטנו כמה מהמדידות האלה." כשהם הסירו יותר ויותר מדידות, הם השוו את השגיאה בתחזיות של רשתות העצבים העמוקות שלהם עם השגיאות מאותו אלגוריתם מסורתי. השגיאה של הרשתות העצביות הייתה נמוכה משמעותית.

פיזיקאים מוצאים דרך מבריקה יותר לאבחן מצבים קוונטיים

ריאן גלסר, מומחה לאופטיקה קוונטית מאוניברסיטת Tulane בלואיזיאנה, ארה"ב, שהשתמש בעבר בלמידת מכונה כדי להעריך מצבים קוונטיים, מכנה את העבודה החדשה "משמעותית". "אחת הבעיות שטכנולוגיות קוונטיות נתקלות בהן כרגע היא שאנחנו מגיעים לנקודה שבה אנחנו יכולים להתאים דברים למערכות גדולות יותר, ו...אתה רוצה להיות מסוגל להבין את המערכת שלך במלואה", אומר גלסר. "מערכות קוונטיות ידועות לשמצה עדינות וקשות למדידה ולאפיון מלא...[החוקרים] מראים שהן יכולות לכמת בצורה מדויקת מאוד את כמות ההסתבכות במערכת שלהן, וזה מאוד שימושי כשאנחנו הולכים למערכות קוונטיות גדולות יותר ויותר, כי אף אחד לא רוצה מחשב קוונטי של שני קיוביטים."

הקבוצה מתכננת כעת להרחיב את המחקר שלה למערכות קוונטיות גדולות יותר. יז'ק מתעניין גם בבעיה ההפוכה: "נניח שאנחנו צריכים למדוד את ההסתבכות של מערכת קוונטית בדיוק של, נגיד, 1%", הוא אומר, "איזו רמת מדידה מינימלית אנחנו צריכים כדי לקבל את הרמה הזו של הערכת הסתבכות?"

המחקר פורסם ב התקדמות מדע.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. רכב / רכבים חשמליים, פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• BlockOffsets. מודרניזציה של בעלות על קיזוז סביבתי. גישה כאן.
• מקור: https://physicsworld.com/a/neural-networks-speed-up-quantum-state-measurements/