Нейронные сети ускоряют измерение квантового состояния

Нейронные сети ускоряют измерение квантового состояния

Отметка времени: 31 июля 2023 г., 12:00

абстрактный квантовый алгоритм
(Предоставлено: iStock/Anadmist)

Новое исследование показывает, что нейронные сети могут оценивать степень запутанности в квантовых системах гораздо эффективнее, чем традиционные методы. Обходя необходимость полной характеристики квантовых состояний, новый метод глубокого обучения может оказаться особенно полезным для крупномасштабных квантовых технологий, где количественная оценка запутанности будет иметь решающее значение, но ограничения ресурсов делают полную характеристику состояния нереалистичной.

Запутанность — ситуация, в которой несколько частиц имеют общую волновую функцию, так что возмущение одной частицы влияет на все остальные — лежит в основе квантовой механики. Таким образом, измерение степени запутанности в системе является частью понимания ее «квантовости», говорит соавтор исследования. Мирослав Ежек, физик из Университета Палацкого в Чехии. «Вы можете наблюдать такое поведение, начиная с простых систем из двух частиц, где обсуждаются основы квантовой физики», — объясняет он. «С другой стороны, существует прямая связь, например, между изменениями запутанности и фазовыми переходами в макроскопической материи».

Степень, в которой любые две частицы в системе запутаны, может быть количественно определена одним числом. Получение точного значения этого числа требует реконструкции волновой функции, но измерение квантового состояния разрушает ее, поэтому несколько копий одного и того же состояния необходимо измерять снова и снова. Это называется квантовой томографией по аналогии с классической томографией, в которой из серии 2D-изображений строится 3D-изображение, и это неизбежное следствие квантовой теории. «Если бы вы могли узнать о квантовом состоянии из одного измерения, кубит не был бы кубитом — это был бы бит — и не было бы квантовой связи», — говорит Ана Предоевич, физик Стокгольмского университета, Швеция, и член исследовательской группы.

Проблема в том, что присущая квантовому измерению неопределенность чрезвычайно затрудняет измерение запутанности между (например) кубитами в квантовом процессоре, поскольку необходимо выполнять полную многокубитную томографию волновой функции для каждого кубита. Даже для небольшого процессора это заняло бы дни: «Вы не можете сделать всего одно измерение и сказать, есть у вас запутанность или нет», — говорит Предоевич. «Это как когда делают КТ [компьютерную аксиальную томографию] позвоночника — нужно быть в трубке 45 минут, чтобы они могли сделать полное изображение: ты не можешь спросить, что не так с тем или иным позвонком из пятиминутное сканирование».

Поиск достаточно хороших ответов

Хотя для вычисления запутанности со 100% точностью требуется полная томография квантового состояния, существует несколько алгоритмов, которые могут угадывать квантовое состояние по частичной информации. Ежек говорит, что проблема с этим подходом заключается в том, что «нет математического доказательства того, что с некоторым ограниченным числом измерений вы можете сказать что-то о запутанности на каком-то уровне точности».

В новой работе Ежек, Предоевич и их коллеги пошли по другому пути, полностью отказавшись от понятия реконструкции квантового состояния в пользу нацеливания только на степень запутанности. Для этого они разработали глубокие нейронные сети для изучения запутанных квантовых состояний и обучили их на численно сгенерированных данных. «Мы случайным образом выбираем квантовые состояния и, сгенерировав состояние, знаем результат работы сети, потому что знаем степень запутанности в системе», — объясняет Ежек. «Но мы также можем смоделировать данные, которые мы получили бы при измерении разного количества копий с разных направлений… Эти смоделированные данные являются входными данными сети».

Сети использовали эти данные, чтобы научиться делать все более точные оценки запутанности на основе заданных наборов измерений. Затем исследователи проверили точность алгоритма, используя второй набор смоделированных данных. Они обнаружили, что его ошибки были примерно в 10 раз ниже, чем у традиционного алгоритма оценки квантовой томографии.

Экспериментальная проверка метода

Наконец, исследователи экспериментально измерили две реальные запутанные системы: полупроводниковую квантовую точку с резонансной накачкой и двухфотонный источник спонтанного параметрического преобразования с понижением частоты. «Мы измерили полную томографию квантового состояния… и из этого мы узнали все о квантовом состоянии, — говорит Ежек, — Затем мы пропустили некоторые из этих измерений». По мере того как они удаляли все больше и больше измерений, они сравнивали ошибку предсказаний своих глубоких нейронных сетей с ошибками того же традиционного алгоритма. Ошибка нейронных сетей была значительно ниже.

Райан Глассер, эксперт по квантовой оптике из Тулейнского университета в Луизиане, США, который ранее использовал машинное обучение для оценки квантовых состояний, называет новую работу «значительной». «Одна из проблем, с которыми сейчас сталкиваются квантовые технологии, заключается в том, что мы подошли к моменту, когда мы можем масштабировать вещи на более крупные системы, и… вы хотите иметь возможность полностью понять свою систему», — говорит Глассер. «Квантовые системы, как известно, деликатны, и их трудно измерить и полностью охарактеризовать… [Исследователи] показывают, что они могут очень точно количественно определить степень запутанности в своей системе, что очень полезно, когда мы переходим к все более и более крупным квантовым системам, потому что никто не хочет двухкубитный квантовый компьютер».

Теперь группа планирует расширить свои исследования на более крупные квантовые системы. Ежека также интересует обратная задача: «Допустим, нам нужно измерить запутанность квантовой системы с точностью, скажем, до 1%, — говорит он, — какой минимальный уровень измерения нам нужен, чтобы получить такой уровень точности?» оценка запутанности?

Исследование опубликовано в Наука развивается.

Отметка времени:

Больше от Мир физики