ニューラル ネットワークにより量子状態測定が高速化 – Physics World

ニューラルネットワークは、従来の技術よりもはるかに効率的に量子システムのもつれの度合いを推定できることが、新しい研究で示された。 量子状態を完全に特徴付ける必要性を回避することで、新しい深層学習手法は、もつれの定量化が重要であるものの、リソースの制限により完全な状態の特徴付けが非現実的な大規模量子技術に特に有用であることが証明される可能性があります。

もつれ – 複数の粒子が共通の波動関数を共有し、ある粒子を乱すことが他の粒子に影響を与える状況 – は量子力学の中心です。 したがって、システム内のもつれの程度を測定することは、システムがどのように「量子」であるかを理解することの一部であると研究の共著者は述べています ミロスラフ・イェジェク、チェコのパラツキー大学の物理学者。 「量子物理学の基礎が議論される単純な XNUMX 粒子系からこの挙動を観察できます」と彼は説明します。 「その一方で、例えば、巨視的な物質のもつれの変化と相転移の間には直接的な関連性があります。」

系内の任意の 2 つの粒子がどの程度絡み合っているかは、単一の数値で定量化できます。 この数値の正確な値を取得するには波動関数を再構築する必要がありますが、量子状態を測定するとそれが破壊されるため、同じ状態の複数のコピーを何度も測定する必要があります。 これは、一連の 3D 画像を使用して XNUMXD 画像を構築する古典的なトモグラフィーと同様に、量子トモグラフィーと呼ばれます。これは、量子理論の避けられない結果です。 「もし XNUMX 回の測定から量子の状態について知ることができたとしたら、量子ビットは量子ビットではなく、ビットになるでしょう。そして、量子通信は存在しないでしょう。」と彼は言います。 アナ・プレドジェビッチ、スウェーデンのストックホルム大学の物理学者であり、研究チームのメンバーです。

問題は、各量子ビットに対して完全なマルチ量子ビット波動関数トモグラフィーを実行する必要があるため、量子測定に固有の不確実性により、量子プロセッサ内の（たとえば）量子ビット間のもつれの測定が非常に困難になることです。 小型プロセッサの場合でも、これには数日かかります。「一度測定しただけで、もつれがあるかどうかを判断することはできません」とプレドジェヴィッチ氏は言います。 「これは、人々が脊椎の CAT [コンピューター軸断層撮影] スキャンを行うときのようなものです。全体の画像を撮影するには、45 分間管内にいる必要があります。この脊椎またはその椎骨に何か異常があるかどうかを尋ねることはできません。 XNUMX 分間のスキャンです。」

十分な答えを見つける

100% の精度でもつれを計算するには完全な量子状態トモグラフィーが必要ですが、部分的な情報から量子状態を推測できるアルゴリズムがいくつか存在します。 このアプローチの問題点は、「限られた数の測定値を使用して、ある精度レベルでもつれについて何かを言えるという数学的証明がない」ことだとイェジェク氏は言う。

新しい研究では、イェジェク、プレドジェヴィッチらは異なる方針をとり、量子状態再構成の概念を完全に放棄し、もつれの度合いのみをターゲットにすることを支持した。 これを行うために、彼らはもつれた量子状態を研究するためのディープ ニューラル ネットワークを設計し、数値的に生成されたデータでトレーニングしました。 「量子状態をランダムに選択し、その状態を生成すると、システム内のもつれの量がわかるので、ネットワークの出力がわかります」と Ježek 氏は説明します。 「しかし、さまざまな方向からのさまざまなコピー数の測定中に得られるデータをシミュレートすることもできます。これらのシミュレートされたデータは、ネットワークの入力になります。」

ネットワークはこれらのデータを使用して、与えられた一連の測定値からエンタングルメントをより正確に推定できるように自ら学習しました。 次に研究者らは、10 番目のシミュレーション データ セットを使用してアルゴリズムの精度をチェックしました。 彼らは、その誤差が従来の量子トモグラフィー推定アルゴリズムの誤差よりも約 XNUMX 分の XNUMX であることを発見しました。

メソッドを実験的にテストする

最後に、研究者らは、共鳴ポンピング半導体量子ドットと自発パラメトリックダウンコンバージョン二光子源という XNUMX つの実際のもつれシステムを実験的に測定しました。 「私たちは完全な量子状態トモグラフィーを測定しました。そして、そこから量子状態についてすべてがわかりました。そして、これらの測定の一部を省略しました。」と Ježek 氏は言います。 削除する測定値が増えるにつれて、ディープ ニューラル ネットワークの予測の誤差を、同じ従来のアルゴリズムからの誤差と比較しました。 ニューラル ネットワークの誤差は大幅に減少しました。

物理学者が量子状態を診断するより優れた方法を発見

ライアン・グラッサー米国ルイジアナ州チューレーン大学の量子光学専門家で、以前にも機械学習を使用して量子状態を推定したことがある同氏は、この新しい研究を「重要」と呼んでいる。 「量子技術が現在直面している問題の XNUMX つは、物事をより大規模なシステムに拡張できる段階に達しつつあることです。そして…システムを完全に理解できるようにしたいと考えています」とグラッサー氏は言います。 「量子システムは繊細で、測定や完全な特性評価が難しいことで知られています…[研究者ら]は、システム内のもつれの量を非常に正確に定量化できることを示しました。これは、量子システムがますます大規模になるにつれて非常に役立ちます。 XNUMX量子ビットの量子コンピューターです。」

同グループは現在、研究をより大規模な量子システムに拡張することを計画している。 Ježek 氏は、逆問題にも興味を持っています。「量子システムのもつれを、たとえば 1% の精度で測定する必要があるとします。そのレベルを得るには、最低どの測定レベルが必要ですか」と彼は言います。もつれの推定？」

この研究は 科学の進歩.

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
• 情報源： https://physicsworld.com/a/neural-networks-speed-up-quantum-state-measurements/