โครงข่ายประสาทเทียมเร่งการวัดสถานะควอนตัม – Physics World

โครงข่ายประสาทเทียมเร่งการวัดสถานะควอนตัม – Physics World

ประทับเวลา: 31 กรกฎาคม 2023 12:00 น.

นามธรรมควอนตัมอัลกอริทึม
(ขอบคุณ: iStock/นักวิเคราะห์)

โครงข่ายประสาทเทียมสามารถประเมินระดับความยุ่งเหยิงในระบบควอนตัมได้อย่างมีประสิทธิภาพมากกว่าเทคนิคแบบดั้งเดิม การศึกษาใหม่แสดงให้เห็น ด้วยการก้าวข้ามความจำเป็นในการระบุลักษณะเฉพาะของสถานะควอนตัมอย่างสมบูรณ์ วิธีการเรียนรู้เชิงลึกใหม่สามารถพิสูจน์ได้ว่ามีประโยชน์อย่างยิ่งสำหรับเทคโนโลยีควอนตัมขนาดใหญ่ ซึ่งการพัวพันเชิงปริมาณจะมีความสำคัญ แต่ข้อจำกัดด้านทรัพยากรทำให้การแสดงลักษณะเฉพาะของสถานะทั้งหมดไม่สมจริง

ความยุ่งเหยิง – สถานการณ์ที่อนุภาคหลายตัวมีฟังก์ชันคลื่นร่วมกัน ดังนั้นการรบกวนอนุภาคหนึ่งส่งผลกระทบต่ออนุภาคอื่นๆ ทั้งหมด – เป็นหัวใจสำคัญของกลศาสตร์ควอนตัม การวัดระดับความยุ่งเหยิงในระบบจึงเป็นส่วนหนึ่งของการทำความเข้าใจว่า "ควอนตัม" เป็นอย่างไร ผู้เขียนร่วมการศึกษากล่าว มิโรสลาฟ เยเซ็คนักฟิสิกส์แห่งมหาวิทยาลัยปาลัคกี้ในสาธารณรัฐเช็ก "คุณสามารถสังเกตพฤติกรรมนี้โดยเริ่มจากระบบสองอนุภาคธรรมดาๆ ที่กล่าวถึงพื้นฐานของฟิสิกส์ควอนตัม" เขาอธิบาย “ในทางกลับกัน มีการเชื่อมโยงโดยตรงระหว่าง ตัวอย่างเช่น การเปลี่ยนแปลงของการพัวพันและการเปลี่ยนเฟสในสสารขนาดใหญ่”

ระดับที่อนุภาคสองอนุภาคในระบบพันกันสามารถวัดได้ด้วยตัวเลขเดียว การได้ค่าที่แน่นอนของตัวเลขนี้จำเป็นต้องสร้างฟังก์ชันคลื่นใหม่ แต่การวัดสถานะควอนตัมจะทำลายมัน ดังนั้นจึงต้องวัดหลายชุดของสถานะเดียวกันซ้ำแล้วซ้ำอีก สิ่งนี้เรียกว่าการตรวจเอกซเรย์ควอนตัมในลักษณะคล้ายคลึงกับการตรวจเอกซเรย์แบบคลาสสิก ซึ่งใช้ภาพ 2 มิติหลายชุดเพื่อสร้างภาพ 3 มิติ และเป็นผลที่ตามมาอย่างหลีกเลี่ยงไม่ได้ของทฤษฎีควอนตัม “หากคุณสามารถเรียนรู้เกี่ยวกับสถานะควอนตัมจากการวัดเพียงครั้งเดียว qubit จะไม่ใช่ qubit – คงจะเล็กน้อย – และจะไม่มีการสื่อสารด้วยควอนตัม” กล่าว อานา เปรโดเยวิชนักฟิสิกส์จากมหาวิทยาลัยสตอกโฮล์ม ประเทศสวีเดน และเป็นสมาชิกของทีมวิจัย

ปัญหาคือความไม่แน่นอนโดยกำเนิดของการวัดควอนตัมทำให้การวัดความยุ่งเหยิงระหว่าง (เช่น) คิวบิตในตัวประมวลผลควอนตัมเป็นเรื่องยากอย่างยิ่ง เนื่องจากต้องทำการตรวจเอกซเรย์คลื่นฟังก์ชันแบบหลายควิบิตเต็มรูปแบบในแต่ละคิวบิต แม้จะเป็นโปรเซสเซอร์ขนาดเล็ก การดำเนินการนี้อาจต้องใช้เวลาหลายวัน: “คุณไม่สามารถวัดค่าเพียงครั้งเดียวแล้วบอกว่าคุณมีสิ่งกีดขวางหรือไม่” Predojević กล่าว “มันเหมือนกับเวลาที่ผู้คนทำการสแกนกระดูกสันหลังของคุณด้วย CAT [computed axial tomography] คุณต้องอยู่ในท่อ 45 นาทีจึงจะถ่ายภาพได้ทั้งหมด คุณไม่สามารถถามได้ว่ามีอะไรผิดปกติกับกระดูกส่วนนี้หรือส่วนนั้นจาก สแกนห้านาที”

หาคำตอบได้ดีพอสมควร

แม้ว่าการคำนวณสิ่งกีดขวางด้วยความแม่นยำ 100% จะต้องใช้การตรวจเอกซเรย์สถานะควอนตัมแบบเต็ม แต่ก็มีอัลกอริทึมหลายอย่างที่สามารถเดาสถานะควอนตัมจากข้อมูลบางส่วนได้ ปัญหาของวิธีการนี้ Ježek กล่าวว่า "ไม่มีข้อพิสูจน์ทางคณิตศาสตร์ว่าด้วยจำนวนการวัดที่จำกัด คุณพูดถึงสิ่งพัวพันในระดับความแม่นยำระดับหนึ่ง"

ในผลงานชิ้นใหม่นี้ Ježek, Predojević และเพื่อนร่วมงานมีแนวทางที่ต่างออกไป โดยทิ้งแนวคิดเกี่ยวกับการสร้างสถานะควอนตัมใหม่ทั้งหมดเพื่อมุ่งเป้าไปที่ระดับความยุ่งเหยิงเพียงอย่างเดียว ในการทำเช่นนี้ พวกเขาได้ออกแบบโครงข่ายประสาทเทียมเชิงลึกเพื่อศึกษาสถานะควอนตัมที่พันกันยุ่งเหยิง และฝึกฝนพวกเขาเกี่ยวกับข้อมูลที่สร้างขึ้นเป็นตัวเลข “เราสุ่มเลือกสถานะควอนตัม และหลังจากสร้างสถานะแล้ว เราทราบเอาต์พุตของเครือข่าย เพราะเราทราบปริมาณของการพัวพันในระบบ” Ježek อธิบาย “แต่เรายังสามารถจำลองข้อมูลที่เราได้รับระหว่างการวัดจำนวนสำเนาต่างๆ จากทิศทางต่างๆ ได้… ข้อมูลจำลองเหล่านี้เป็นอินพุตของเครือข่าย”

เครือข่ายใช้ข้อมูลเหล่านี้เพื่อสอนตนเองให้ประเมินสิ่งกีดขวางจากชุดการวัดที่กำหนดให้ดียิ่งขึ้น จากนั้นนักวิจัยได้ตรวจสอบความถูกต้องของอัลกอริทึมโดยใช้ข้อมูลจำลองชุดที่สอง พวกเขาพบว่าข้อผิดพลาดนั้นต่ำกว่าอัลกอริธึมการประมาณค่าของควอนตัมโทโมกราฟีแบบเดิมถึง 10 เท่า

การทดสอบวิธีการทดลอง

ในที่สุด นักวิจัยได้ทำการทดลองวัดระบบที่พันกันจริงๆ สองระบบ: จุดควอนตัมของเซมิคอนดักเตอร์ที่ถูกปั๊มด้วยจังหวะและแหล่งกำเนิดสองโฟตอนที่มีการแปลงพาราเมตริก “เราวัดเอกซ์เรย์สถานะควอนตัมทั้งหมด… และจากสิ่งนี้ เรารู้ทุกอย่างเกี่ยวกับสถานะควอนตัม” Jezek กล่าว “จากนั้นเราก็ละเว้นการวัดบางส่วนเหล่านี้” เมื่อถอดการวัดออกมากขึ้นเรื่อยๆ พวกเขาจึงเปรียบเทียบข้อผิดพลาดในการคาดคะเนโครงข่ายประสาทเทียมเชิงลึกกับข้อผิดพลาดจากอัลกอริทึมดั้งเดิมเดียวกัน ข้อผิดพลาดของโครงข่ายประสาทเทียมลดลงอย่างมาก

ไรอัน กลาสเซอร์ผู้เชี่ยวชาญด้านเลนส์ควอนตัมแห่งมหาวิทยาลัยทูเลนในหลุยเซียน่า สหรัฐอเมริกา ซึ่งเคยใช้แมชชีนเลิร์นนิงเพื่อประเมินสถานะควอนตัมมาก่อน เรียกผลงานชิ้นใหม่นี้ว่า "มีนัยสำคัญ" “หนึ่งในปัญหาที่เทคโนโลยีควอนตัมกำลังประสบอยู่ในขณะนี้ก็คือ เรากำลังมาถึงจุดที่เราสามารถปรับขนาดสิ่งต่าง ๆ ให้เป็นระบบที่ใหญ่ขึ้นได้ และ…คุณต้องการที่จะสามารถเข้าใจระบบของคุณได้อย่างเต็มที่” Glasser กล่าว “ระบบควอนตัมเป็นที่เลื่องลือว่าละเอียดอ่อนและยากต่อการวัดและระบุลักษณะเฉพาะได้อย่างเต็มที่… [นักวิจัย] แสดงให้เห็นว่าพวกเขาสามารถหาปริมาณสิ่งกีดขวางในระบบได้อย่างแม่นยำมาก ซึ่งมีประโยชน์มากเมื่อเราไปสู่ระบบควอนตัมที่ใหญ่ขึ้นและใหญ่ขึ้น เพราะไม่มีใครต้องการ คอมพิวเตอร์ควอนตัมสอง qubit”

ขณะนี้กลุ่มวางแผนที่จะขยายการวิจัยไปยังระบบควอนตัมที่ใหญ่ขึ้น Ježek ยังสนใจในปัญหาผกผัน: "สมมติว่าเราจำเป็นต้องวัดความยุ่งเหยิงของระบบควอนตัมด้วยความแม่นยำ เช่น 1%" เขากล่าว "เราต้องวัดระดับขั้นต่ำเท่าใดจึงจะได้ระดับนั้น การประมาณพัวพัน?”

การวิจัยถูกตีพิมพ์ลงที่ วิทยาศาสตร์ก้าวหน้า.

ประทับเวลา:

เพิ่มเติมจาก โลกฟิสิกส์