Нейронні мережі прискорюють вимірювання квантового стану

Перевидано Платоном

читають: 0

анотація квантового алгоритму — (Надано: iStock/Anadmist)

Нове дослідження показує, що нейронні мережі можуть оцінювати ступінь заплутаності в квантових системах набагато ефективніше, ніж традиційні методи. Уникаючи необхідності повної характеристики квантових станів, новий метод глибокого навчання може виявитися особливо корисним для великомасштабних квантових технологій, де кількісна оцінка заплутаності буде вирішальною, але обмеження ресурсів роблять повну характеристику стану нереальною.

Заплутаність — ситуація, коли кілька частинок мають спільну хвильову функцію, так що збурення однієї частинки впливає на всі інші — лежить в основі квантової механіки. Таким чином, вимірювання ступеня заплутаності в системі є частиною розуміння того, наскільки вона «квантова», каже співавтор дослідження Мирослав Єжек, фізик Університету Палацького в Чехії. «Ви можете спостерігати цю поведінку, починаючи з простих двочастинкових систем, де обговорюються основи квантової фізики», — пояснює він. «З іншого боку, існує прямий зв’язок між, наприклад, змінами заплутаності та фазовими переходами в макроскопічній матерії».

Ступінь, до якого будь-які дві частинки в системі заплутані, можна кількісно визначити одним числом. Отримання точного значення цього числа вимагає реконструкції хвильової функції, але вимірювання квантового стану руйнує його, тому кілька копій того самого стану потрібно вимірювати знову і знову. Це називається квантовою томографією за аналогією з класичною томографією, в якій серія 2D-зображень використовується для побудови 3D-зображення, і це неминучий наслідок квантової теорії. «Якби ви могли дізнатися про квантовий стан з одного вимірювання, кубіт був би не кубітом – це був би біт – і не було б квантового зв’язку», – говорить Ана Предоєвич, фізик у Стокгольмському університеті, Швеція, і член дослідницької групи.

Проблема полягає в тому, що притаманна невизначеність квантового вимірювання надзвичайно ускладнює вимірювання зв’язку між (наприклад) кубітами в квантовому процесорі, оскільки для кожного кубіта необхідно виконувати повну багатокубітну томографію хвильової функції. Навіть для невеликого процесора це займе кілька днів: «Ви не можете зробити лише одне вимірювання й сказати, чи є у вас заплутаність чи ні», — каже Предоєвич. «Це як коли люди роблять CAT [комп’ютерну аксіальну томографію] вашого хребта – вам потрібно бути в трубі 45 хвилин, щоб вони могли зробити повне зображення: ви не можете запитати, чи є щось не так з тим чи іншим хребцем, п’ятихвилинний скан».

Пошук достатньо хороших відповідей

Хоча обчислення заплутаності зі 100% точністю вимагає повної томографії квантового стану, існує кілька алгоритмів, які можуть вгадати квантовий стан за частковою інформацією. Проблема з цим підходом, каже Єжек, полягає в тому, що «немає математичних доказів того, що за допомогою деякої обмеженої кількості вимірювань ви щось кажете про заплутаність на певному рівні точності».

У новій роботі Єжек, Предоєвич та їх колеги вибрали іншу тактику, повністю відкинувши поняття квантової реконструкції стану на користь лише визначення ступеня заплутаності. Для цього вони розробили глибокі нейронні мережі для вивчення заплутаних квантових станів і навчили їх на цифрових даних. «Ми випадковим чином вибираємо квантові стани, і, згенерувавши стан, ми знаємо вихід мережі, оскільки знаємо ступінь заплутаності в системі», — пояснює Єжек; «але ми також можемо змоделювати дані, які ми отримали б під час вимірювання різної кількості копій з різних напрямків... Ці змодельовані дані є вхідними даними мережі».

Мережі використовували ці дані, щоб навчитися робити все кращі оцінки заплутаності на основі заданих наборів вимірювань. Потім дослідники перевірили точність алгоритму, використовуючи другий набір змодельованих даних. Вони виявили, що його помилки приблизно в 10 разів нижчі, ніж у традиційного алгоритму оцінки квантової томографії.

Перевірка методу експериментально

Нарешті, дослідники експериментально виміряли дві реальні заплутані системи: напівпровідникову квантову точку з резонансною накачкою та спонтанне параметричне двофотонне джерело понижувального перетворення. «Ми виміряли томографію повного квантового стану… і з цього ми знали все про квантовий стан, — каже Єжек, — а потім ми пропустили деякі з цих вимірювань». Коли вони видаляли все більше і більше вимірювань, вони порівнювали помилки в прогнозах своїх глибоких нейронних мереж з помилками того самого традиційного алгоритму. Похибка нейромереж була значно нижчою.

Високоструктурований спалах світла, що утворює серію концентричних кілець періодичних світлих і темних областей

Фізики знайшли більш яскравий спосіб діагностики квантових станів

Раян Глассер, експерт з квантової оптики з Університету Тулейна в Луїзіані, США, який раніше використовував машинне навчання для оцінки квантових станів, називає нову роботу «значною». «Одна з проблем, з якою зараз стикаються квантові технології, полягає в тому, що ми підходимо до точки, коли ми можемо масштабувати речі до більших систем, і... ви хочете мати можливість повністю зрозуміти свою систему», — говорить Глассер. «Квантові системи, як відомо, делікатні, їх важко виміряти та повністю охарактеризувати… [Дослідники] показують, що вони можуть дуже точно кількісно визначити ступінь заплутаності в їхній системі, що дуже корисно, коли ми переходимо до все більших і більших квантових систем, тому що ніхто не хоче двокубітовий квантовий комп’ютер».

Зараз група планує поширити свої дослідження на великі квантові системи. Єжек також зацікавлений у зворотній проблемі: «Скажімо, нам потрібно виміряти заплутаність квантової системи з точністю, скажімо, 1%», — каже він, «Який мінімальний рівень вимірювання нам потрібен, щоб отримати такий рівень оцінка заплутаності?»

Дослідження опубліковано в Наука розвивається.