猴塞雷

科学观察员
科学赐予人类相信真理的力量

用于量子光学的机器学习

用于量子光学的机器学习

随着机器学习在越来越多的任务中持续超越人类的表现,Skoltech的科学家们已经应用深度学习来重建光学系统的量子特性。

通过谢尔盖?库利克(Sergey Kulik)领导的莫斯科国立大学(Moscow State University)量子光学研究实验室与雅各布?比阿蒙特(Jacob Biamonte)领导的Skoltech CPQM深度量子实验室成员的合作,科学家们成功地将机器学习应用于状态重建问题。

他们的发现已经在《npj量子信息》上发表,并且首次证明了机器学习可以在有噪声和探测器错误的情况下从实验数据重建量子状态。

MSU团队使用基于光子空间状态的实验平台生成数据,准备和测量高维量子状态。状态准备和测量中的实验误差不可避免地会影响结果,而且随着维数的增加,情况会变得更糟。同时,扩展可达量子态的维数对于量子通信协议,尤其是量子计算来说是非常重要的。这就是机器学习技术的用武之地。Skoltech团队实现了一个深度神经网络来分析实验数据中的噪声,并有效地学习去噪,显著提高了量子态重建的质量。

该研究的主要作者,斯科尔理工学院的博士生阿德里亚诺·马卡龙·帕尔米耶里称这些发现是“通往更深入理解的新大门”。阿德里亚诺在博洛尼亚获得了物理学硕士学位,并从意大利加入了Skoltech,在那里他是一名数据科学家。

阿德里亚诺与密歇根州立大学的博士生伊戈尔科夫拉科夫(Egor Kovlakov)密切合作,联系了他的前同事、博科尼大学(Bocconi University)现任博士后费德里科比安奇(Federico Bianchi)。费德里科是一位机器学习专家,他把这些发现描述为“一个结合了机器学习和量子物理的数据驱动发现的好例子”。在加入这项研究之前,Federico没有量子力学方面的经验,但他从信息的角度来看待这个问题,并帮助创建了一个基于深度前馈神经网络的系统新模型。

用于量子光学的机器学习

阿德里亚诺和费德里科?在与深量子实验室的许多成员密切合作,包括Dmitry yudi,他描述了发现作为一个重要的第一步的实际使用神经网络架构在实验室为提高量子断层扫描可用量子噪声实验数据的设置。这种量子信息处理被广泛应用于聚合量子器件的量子计算和优化中。在未来,研究人员计划解决升级量子信息设备的进一步挑战,并期望这项工作成为他们进一步研究的基础。

如果没有莫斯科大学的斯坦尼斯拉夫·斯特劳普(Stanislav Straupe)和谢尔盖·库利克(Sergei Kuliik)对伊戈尔·科夫拉科夫(Egor Kovlakov)的实验研究,这些结果是不可能出现的。在过去的几年里,他们应用了广泛的技术来解决国家重建问题。令合著者惊讶的是,在实际实验中,深度学习的效果要优于这些先进的方法。

用于量子光学的机器学习

Skoltech的深度量子实验室团队认为,机器学习技术将在未来的量子技术发展中发挥重要作用。随着可用的量子器件变得越来越复杂,控制所有参数达到所需的精度水平变得越来越困难。这是深度学习和机器学习技术的一个很自然的应用领域。

猴塞雷 版权所有,未经允许不得转载:猴塞雷 » 用于量子光学的机器学习
分享到: 更多 (0)

猜你也想读下面的文章: