신경망은 양자 상태 측정 속도를 높입니다 – Physics World

신경망은 기존 기술보다 훨씬 더 효율적으로 양자 시스템의 얽힘 정도를 추정할 수 있다는 새로운 연구 결과가 나왔다. 양자 상태를 완전히 특성화해야 할 필요성을 회피함으로써 새로운 딥 러닝 방법은 얽힘을 정량화하는 것이 중요하지만 리소스 제한으로 인해 전체 상태 특성화를 비현실적으로 만드는 대규모 양자 기술에 특히 유용할 수 있습니다.

얽힘(Entanglement) - 여러 입자가 공통의 파동함수를 공유하여 한 입자가 다른 모든 입자에 영향을 미치도록 하는 상황은 양자역학의 핵심입니다. 따라서 시스템의 얽힘 정도를 측정하는 것은 그것이 얼마나 "양자"인지 이해하는 일부라고 연구 공동 저자는 말합니다. 미로슬라프 제젝, 체코 팔라츠키 대학의 물리학자. "양자 물리학의 기초가 논의되는 간단한 두 입자 시스템에서 시작하여 이 동작을 관찰할 수 있습니다."라고 그는 설명합니다. "반면에 예를 들어 거시적 물질의 얽힘 변화와 상전이 사이에는 직접적인 연결이 있습니다."

시스템의 두 입자가 얽힌 정도는 단일 숫자로 정량화할 수 있습니다. 이 숫자의 정확한 값을 얻으려면 파동함수를 재구성해야 하지만 양자 상태를 측정하면 파동함수가 파괴되므로 동일한 상태의 여러 복사본을 반복해서 측정해야 합니다. 이것은 일련의 2D 이미지를 사용하여 3D 이미지를 구성하는 고전 단층 촬영과 유사하게 양자 단층 촬영이라고 하며 양자 이론의 불가피한 결과입니다. "한 번의 측정에서 양자 상태에 대해 배울 수 있다면 큐비트는 큐비트가 아닐 것입니다. 비트가 될 것이고 양자 통신은 없을 것입니다."라고 말합니다. 아나 프레도예비치, 스웨덴 스톡홀름 대학의 물리학자이자 연구 팀의 일원입니다.

문제는 양자 측정의 고유한 불확실성으로 인해 양자 프로세서에서 (예를 들어) 큐비트 간의 얽힘을 측정하기가 매우 어렵다는 것입니다. 각 큐비트에서 전체 다중 큐비트 파동 함수 단층 촬영을 수행해야 하기 때문입니다. 작은 프로세서의 경우에도 이것은 며칠이 걸릴 것입니다. “사람들이 척추에 대해 CAT[컴퓨터 축 단층 촬영] 스캔을 할 때와 같습니다. 전체 이미지를 찍으려면 튜브에 45분 동안 있어야 합니다. XNUMX분 스캔.”

충분한 답 찾기

100% 정확도로 얽힘을 계산하려면 전체 양자 상태 단층 촬영이 필요하지만 부분 정보에서 양자 상태를 추측할 수 있는 몇 가지 알고리즘이 존재합니다. 이 접근법의 문제점은 "일부 제한된 수의 측정으로 특정 정밀도 수준에서 얽힘에 대해 무언가를 말한다는 수학적 증거가 없다"고 Ježek은 말합니다.

새로운 작업에서 Ježek, Predojević 및 동료들은 얽힘의 정도만을 목표로 삼기 위해 양자 상태 재구성의 개념을 완전히 포기하는 다른 방식을 취했습니다. 이를 위해 그들은 얽힌 양자 상태를 연구하기 위해 심층 신경망을 설계하고 수치적으로 생성된 데이터에 대해 교육했습니다. "우리는 양자 상태를 무작위로 선택하고 상태를 생성한 후 시스템의 얽힘 양을 알고 있기 때문에 네트워크의 출력을 알고 있습니다."라고 Ježek은 설명합니다. "그러나 우리는 또한 서로 다른 방향에서 서로 다른 수의 사본을 측정하는 동안 얻을 수 있는 데이터를 시뮬레이션할 수 있습니다. 이러한 시뮬레이션된 데이터는 네트워크의 입력입니다."

네트워크는 이러한 데이터를 사용하여 주어진 측정 세트에서 얽힘을 더 잘 추정하도록 스스로 학습했습니다. 그런 다음 연구원들은 두 번째 시뮬레이션 데이터 세트를 사용하여 알고리즘의 정확도를 확인했습니다. 그들은 오류가 기존의 양자 단층 추정 알고리즘보다 약 10배 낮다는 것을 발견했습니다.

방법을 실험적으로 테스트

마지막으로 연구원들은 XNUMX개의 실제 얽힌 시스템, 즉 공명 펌핑 반도체 양자점과 자발적 파라메트릭 하향 변환 XNUMX광자 소스를 실험적으로 측정했습니다. "우리는 전체 양자 상태 단층 촬영을 측정했습니다...이로부터 양자 상태에 대한 모든 것을 알게 되었습니다. 그런 다음 이러한 측정 중 일부를 생략했습니다."라고 Ježek은 말합니다. 점점 더 많은 측정값을 제거하면서 심층 신경망의 예측 오류를 동일한 기존 알고리즘의 오류와 비교했습니다. 신경망의 오류는 훨씬 낮았습니다.

물리학자들은 양자 상태를 진단하는 더 밝은 방법을 찾습니다.

라이언 글래서이전에 기계 학습을 사용하여 양자 상태를 추정한 적이 있는 미국 루이지애나주 Tulane University의 양자 광학 전문가는 새로운 작업이 "중요하다"고 말합니다. "현재 양자 기술이 직면하고 있는 문제 중 하나는 우리가 사물을 더 큰 시스템으로 확장할 수 있는 지점에 도달하고 있으며 시스템을 완전히 이해할 수 있기를 원한다는 것입니다."라고 Glasser는 말합니다. "양자 시스템은 악명이 높고 측정하기 어렵고 완전히 특성화하기 어렵습니다...[연구원]은 시스템에서 얽힘의 양을 매우 정확하게 정량화할 수 있음을 보여줍니다. XNUMX큐비트 양자 컴퓨터.”

이 그룹은 이제 연구를 더 큰 양자 시스템으로 확장할 계획입니다. Ježek은 역 문제에도 관심이 있습니다. 얽힘 추정?”

연구 결과는 과학의 발전.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
• 출처: https://physicsworld.com/a/neural-networks-speed-up-quantum-state-measurements/