Sieci neuronowe przyspieszają pomiary stanu kwantowego – Physics World

Sieci neuronowe przyspieszają pomiary stanu kwantowego – Physics World

Znacznik czasu: 31 lipca 2023 12:00

streszczenie algorytmu kwantowego
(Dzięki uprzejmości: iStock/Anadmist)

Nowe badanie pokazuje, że sieci neuronowe mogą oszacować stopień splątania w układach kwantowych znacznie wydajniej niż tradycyjne techniki. Omijając potrzebę pełnego charakteryzowania stanów kwantowych, nowa metoda głębokiego uczenia się może okazać się szczególnie przydatna w wielkoskalowych technologiach kwantowych, w których ilościowe określanie splątania będzie miało kluczowe znaczenie, ale ograniczenia zasobów sprawiają, że pełna charakterystyka stanu jest nierealistyczna.

Splątanie – sytuacja, w której wiele cząstek ma wspólną funkcję falową, tak że zakłócenie jednej cząstki wpływa na wszystkie pozostałe – leży u podstaw mechaniki kwantowej. Pomiar stopnia splątania w systemie jest zatem częścią zrozumienia, jak to jest „kwantowe”, mówi współautor badania Mirosław Jeżek, fizyk z Uniwersytetu Palackiego w Czechach. „Możesz zaobserwować to zachowanie, zaczynając od prostych układów dwucząstkowych, w których omawiane są podstawy fizyki kwantowej” – wyjaśnia. „Z drugiej strony istnieje bezpośredni związek między np. zmianami splątania a przejściami fazowymi w materii makroskopowej”.

Stopień, w jakim dowolne dwie cząstki w układzie są splątane, można określić ilościowo za pomocą jednej liczby. Uzyskanie dokładnej wartości tej liczby wymaga zrekonstruowania funkcji falowej, ale pomiar stanu kwantowego ją niszczy, więc wiele kopii tego samego stanu musi być mierzonych w kółko. Nazywa się to tomografią kwantową w analogii do tomografii klasycznej, w której seria obrazów 2D służy do konstruowania obrazu 3D i jest nieuniknioną konsekwencją teorii kwantowej. „Gdyby można było dowiedzieć się o stanie kwantowym z jednego pomiaru, kubit nie byłby kubitem – byłby bitem – i nie byłoby komunikacji kwantowej” – mówi. Ana Predojević, fizyk z Uniwersytetu Sztokholmskiego w Szwecji i członek zespołu badawczego.

Problem polega na tym, że nieodłączna niepewność pomiaru kwantowego sprawia, że ​​niezwykle trudno jest zmierzyć splątanie między (na przykład) kubitami w procesorze kwantowym, ponieważ trzeba wykonać pełną wielokubitową tomografię falową na każdym kubicie. Nawet w przypadku małego procesora zajęłoby to kilka dni: „Nie można wykonać tylko jednego pomiaru i stwierdzić, czy występuje splątanie, czy nie”, mówi Predojević. „To tak, jak kiedy ludzie robią tomografię komputerową kręgosłupa (tomografia komputerowa osiowa) twojego kręgosłupa – musisz być w probówce 45 minut, aby mogli zrobić pełny obraz: nie możesz zapytać, czy coś jest nie tak z tym lub tamtym kręgiem od pięciominutowy skan”.

Znalezienie wystarczająco dobrych odpowiedzi

Chociaż obliczenie splątania ze 100% dokładnością wymaga pełnej tomografii stanu kwantowego, istnieje kilka algorytmów, które mogą odgadnąć stan kwantowy na podstawie częściowych informacji. Problem z tym podejściem, mówi Ježek, polega na tym, że „nie ma matematycznego dowodu na to, że przy pewnej ograniczonej liczbie pomiarów można powiedzieć coś o splątaniu na pewnym poziomie precyzji”.

W nowej pracy Ježek, Predojević i współpracownicy przyjęli inną taktykę, całkowicie odrzucając koncepcję rekonstrukcji stanu kwantowego na rzecz skupienia się wyłącznie na stopniu splątania. W tym celu zaprojektowali głębokie sieci neuronowe do badania splątanych stanów kwantowych i wyszkolili je na danych generowanych numerycznie. „Losowo wybieramy stany kwantowe i po wygenerowaniu stanu znamy wyjście sieci, ponieważ znamy wielkość splątania w systemie”, wyjaśnia Ježek; „ale możemy również symulować dane, które uzyskalibyśmy podczas pomiaru różnej liczby kopii z różnych kierunków… Te symulowane dane są wejściem sieci”.

Sieci wykorzystały te dane, aby nauczyć się dokonywać coraz lepszych szacunków splątania na podstawie danych zestawów pomiarów. Następnie naukowcy sprawdzili dokładność algorytmu za pomocą drugiego zestawu symulowanych danych. Odkryli, że jego błędy były około 10 razy mniejsze niż w przypadku tradycyjnego algorytmu szacowania tomografii kwantowej.

Eksperymentalne przetestowanie metody

Na koniec naukowcy dokonali eksperymentalnego pomiaru dwóch rzeczywistych układów splątanych: rezonansowo pompowanej półprzewodnikowej kropki kwantowej i spontanicznego, parametrycznego, dwufotonowego źródła konwersji w dół. „Zmierzyliśmy pełną tomografię stanu kwantowego… i dzięki temu wiedzieliśmy wszystko o stanie kwantowym”, mówi Ježek, „Następnie pominęliśmy niektóre z tych pomiarów”. Usuwając coraz więcej pomiarów, porównywali błąd w przewidywaniach swoich głębokich sieci neuronowych z błędami tego samego tradycyjnego algorytmu. Błąd sieci neuronowych był znacznie mniejszy.

Ryana Glassera, ekspert w dziedzinie optyki kwantowej na Uniwersytecie Tulane w Luizjanie w USA, który wcześniej wykorzystywał uczenie maszynowe do szacowania stanów kwantowych, nazywa nową pracę „znaczącą”. „Jednym z problemów, z jakimi borykają się obecnie technologie kwantowe, jest to, że zbliżamy się do punktu, w którym możemy skalować rzeczy do większych systemów i… chcesz być w stanie w pełni zrozumieć swój system” — mówi Glasser. „Systemy kwantowe są notorycznie delikatne i trudne do zmierzenia i pełnego scharakteryzowania… [Naukowcy] pokazują, że mogą bardzo dokładnie określić ilościowo stopień splątania w swoim systemie, co jest bardzo przydatne, gdy przechodzimy do coraz większych systemów kwantowych, ponieważ nikt nie chce dwukubitowy komputer kwantowy”.

Grupa planuje teraz rozszerzyć swoje badania na większe systemy kwantowe. Ježek interesuje się również problemem odwrotnym: „Powiedzmy, że musimy zmierzyć splątanie układu kwantowego z dokładnością, powiedzmy, 1%”, mówi, „Jaki minimalny poziom pomiaru potrzebujemy, aby uzyskać ten poziom oszacowanie splątania?

Badania są publikowane w 2007 roku Postępy nauki.

Znak czasu:

Więcej z Świat Fizyki