Neurale netwerken versnellen metingen van kwantumtoestanden - Physics World

Neurale netwerken versnellen metingen van kwantumtoestanden - Physics World

Tijdstempel: 31 juli 2023 12:00 uur

kwantumalgoritme abstract
(Met dank aan iStock/Anadmist)

Neurale netwerken kunnen de mate van verstrengeling in kwantumsystemen veel efficiënter inschatten dan traditionele technieken, blijkt uit een nieuwe studie. Door de noodzaak om kwantumtoestanden volledig te karakteriseren te omzeilen, zou de nieuwe deep learning-methode vooral nuttig kunnen zijn voor grootschalige kwantumtechnologieën, waarbij het kwantificeren van verstrengeling cruciaal zal zijn, maar beperkte hulpbronnen een volledige karakterisering van de toestand onrealistisch maken.

Verstrengeling – een situatie waarin meerdere deeltjes een gemeenschappelijke golffunctie delen, zodat het verstoren van één deeltje alle andere beïnvloedt – vormt de kern van de kwantummechanica. Het meten van de mate van verstrengeling in een systeem maakt dus deel uit van het begrijpen hoe ‘kwantum’ het is, zegt co-auteur van het onderzoek Miroslav Ježek, een natuurkundige aan de Palacký Universiteit in Tsjechië. “Je kunt dit gedrag observeren vanuit eenvoudige systemen met twee deeltjes waarin de grondbeginselen van de kwantumfysica worden besproken”, legt hij uit. “Aan de andere kant is er een direct verband tussen bijvoorbeeld veranderingen in verstrengeling en faseovergangen in macroscopische materie.”

De mate waarin twee deeltjes in een systeem verstrengeld zijn, kan worden gekwantificeerd met een enkel getal. Om de exacte waarde van dit getal te achterhalen, moet de golffunctie worden gereconstrueerd, maar het meten van een kwantumtoestand vernietigt deze, dus moeten meerdere kopieën van dezelfde toestand steeds opnieuw worden gemeten. Dit wordt kwantumtomografie genoemd, naar analogie met klassieke tomografie, waarbij een reeks 2D-beelden wordt gebruikt om een ​​3D-beeld te construeren, en het is een onvermijdelijk gevolg van de kwantumtheorie. “Als je uit één meting iets over een kwantumtoestand zou kunnen leren, zou een qubit geen qubit zijn – het zou een bit zijn – en zou er geen kwantumcommunicatie zijn”, zegt Ana Predojević, een natuurkundige aan de Universiteit van Stockholm, Zweden, en lid van het onderzoeksteam.

Het probleem is dat de inherente onzekerheid van een kwantummeting het uiterst moeilijk maakt om de verstrengeling tussen (bijvoorbeeld) qubits in een kwantumprocessor te meten, aangezien men op elke qubit volledige multi-qubit golffunctietomografie moet uitvoeren. Zelfs voor een kleine processor zou dit dagen duren: “Je kunt niet slechts één meting doen en zeggen of je verstrengeld bent of niet”, zegt Predojević. “Het is net als wanneer mensen een CAT-scan (computertomografie) van je wervelkolom maken – je moet 45 minuten in de buis zitten zodat ze het volledige beeld kunnen maken: je kunt niet vragen of er iets mis is met deze of gene wervel van je ruggengraat. een scan van vijf minuten.”

Goede antwoorden vinden

Hoewel het berekenen van verstrengeling met 100% nauwkeurigheid volledige kwantumtoestandstomografie vereist, bestaan ​​er verschillende algoritmen die de kwantumtoestand kunnen raden op basis van gedeeltelijke informatie. Het probleem met deze aanpak, zegt Ježek, is “er is geen wiskundig bewijs dat je met een beperkt aantal metingen iets zegt over verstrengeling op een bepaald precisieniveau”.

In het nieuwe werk kozen Ježek, Predojević en collega's voor een andere aanpak, waarbij ze het idee van de reconstructie van de kwantumtoestand helemaal overboord gooiden en zich alleen op de mate van verstrengeling richtten. Om dit te doen, ontwierpen ze diepe neurale netwerken om verstrengelde kwantumtoestanden te bestuderen en trainden ze deze op numeriek gegenereerde gegevens. “We selecteren willekeurig kwantumtoestanden en nadat we de toestand hebben gegenereerd, kennen we de output van het netwerk omdat we de mate van verstrengeling in het systeem kennen”, legt Ježek uit; “maar we kunnen ook de gegevens simuleren die we zouden krijgen tijdens het meten van verschillende aantallen kopieën vanuit verschillende richtingen…Deze gesimuleerde gegevens zijn de input van het netwerk.”

De netwerken gebruikten deze gegevens om zichzelf te leren steeds betere schattingen van de verstrengeling te maken op basis van bepaalde sets metingen. De onderzoekers controleerden vervolgens de nauwkeurigheid van het algoritme met behulp van een tweede set gesimuleerde gegevens. Ze ontdekten dat de fouten ongeveer tien keer lager waren dan die van een traditioneel kwantumtomografie-schattingsalgoritme.

Experimenteel testen van de methode

Ten slotte hebben de onderzoekers experimenteel twee echt verstrengelde systemen gemeten: een resonant gepompte halfgeleider-kwantumdot en een spontane parametrische neerwaartse conversie van twee fotonenbronnen. “We hebben de volledige kwantumtoestandstomografie gemeten… en hieruit wisten we alles over de kwantumtoestand”, zegt Ježek, “vervolgens hebben we een aantal van deze metingen weggelaten.” Terwijl ze steeds meer metingen verwijderden, vergeleken ze de fout in de voorspellingen van hun diepe neurale netwerken met de fouten van hetzelfde traditionele algoritme. De fout van de neurale netwerken was aanzienlijk lager.

Ryan Glaser, een expert op het gebied van kwantumoptica aan de Tulane Universiteit in Louisiana, VS, die eerder machinaal leren heeft gebruikt om kwantumtoestanden te schatten, noemt het nieuwe werk ‘significant’. “Een van de problemen waar kwantumtechnologieën momenteel tegenaan lopen, is dat we op het punt komen waarop we dingen kunnen opschalen naar grotere systemen, en… je wilt je systeem volledig kunnen begrijpen”, zegt Glasser. “Kwantumsystemen zijn notoir delicaat en moeilijk te meten en volledig te karakteriseren… [De onderzoekers] laten zien dat ze de hoeveelheid verstrengeling in hun systeem zeer nauwkeurig kunnen kwantificeren, wat erg handig is als we naar steeds grotere kwantumsystemen gaan, omdat niemand een twee-qubit kwantumcomputer.”

De groep is nu van plan haar onderzoek uit te breiden naar grotere kwantumsystemen. Ježek is ook geïnteresseerd in het omgekeerde probleem: ‘Laten we zeggen dat we de verstrengeling van een kwantumsysteem moeten meten met een nauwkeurigheid van bijvoorbeeld 1%’, zegt hij. schatting van de verstrengeling?”

Het onderzoek is gepubliceerd in Wetenschap Advances.

Tijdstempel:

Meer van Natuurkunde wereld