Forscher entwickeln neues Algorithmus für die Verifizierung von Quanten-Geräten

Forscher an der Universität von Tokio haben mit Hilfe des maschinellen Lernens einen neuen Algorithmus entwickelt, der die effiziente und genaue Verifizierung von Quanten-Geräten ermöglicht. Technologien, die auf neuen quantenmechanischen Verhaltensweisen basieren, werden immer beliebter und erfordern eine Verifizierung aufgrund der inhärenten Unsicherheiten.

Die Forschung wurde in APS Physics veröffentlicht.

Ein Quanten-Internet

Die meisten Experten betrachten Quantencomputer noch als in den frühen Entwicklungsstadien, aber ein Quanten-Internet ist weiter fortgeschritten und näher an der Gegenwart. Um dies zu erreichen, werden viel mehr Forschung und die Entwicklung vieler mehr Werkzeuge für den Entwurf von Quanten-Geräten erforderlich sein.

Eines dieser wichtigen Werkzeuge ist der Algorithmus, der Quanten-Geräte verifiziert. Er wurde von dem Postdoktoranden Quoc Hoan Tran und dem Associate Professor Kohei Nakajima von der Graduate School of Information Science and Technology an der Universität von Tokio entwickelt.

Laut den Forschern könnte das Gerät die Verifizierung des Verhaltens von Quanten-Geräten effizienter und präziser machen. Der Algorithmus kann die Funktionsweise eines zeitabhängigen Quanten-Geräts rekonstruieren und dies, indem er die Beziehung zwischen den Quanteneingaben und -ausgaben lernt.

“Die Technik, um ein quantenmechanisches System anhand seiner Eingaben und Ausgaben zu beschreiben, wird Quantenprozess-Tomographie genannt”, sagte Tran. “Allerdings berichten viele Forscher jetzt, dass ihre Quantensysteme eine Art von Gedächtniseffekt aufweisen, bei dem die aktuellen Zustände von den vorherigen beeinflusst werden. Dies bedeutet, dass eine einfache Inspektion der Eingangs- und Ausgangszustände das zeitabhängige Verhalten des Systems nicht beschreiben kann. Man könnte das System nach jeder Änderung in der Zeit modellieren, aber dies wäre extrem rechenintensiv. Unser Ziel war es, diesen Gedächtniseffekt zu nutzen und ihn zu unserem Vorteil zu machen, anstatt ihn mit Brute Force zu überwinden.”

Der Aufbau des Algorithmus

Um den Algorithmus aufzubauen, verwendete das Team maschinelles Lernen und eine Technik, die als Quanten-Reservoir-Rechnung bezeichnet wird. Durch das Lernen der Eingaben und Ausgaben, die sich in einem Quantensystem über die Zeit ändern, kann es erraten, wie die Muster sich ändern werden. Es kann diese Vorhersagen sogar in Situationen treffen, die noch nicht beobachtet wurden.

“Derzeit kann unser Algorithmus ein bestimmtes Quantensystem emulieren, aber hypothetische Geräte können sich stark in ihrer Verarbeitungsfähigkeit unterscheiden und unterschiedliche Gedächtniseffekte aufweisen. Der nächste Forschungsschritt wird darin bestehen, die Fähigkeiten unserer Algorithmen zu erweitern, indem wir etwas Allgemeineres und somit Nützlicheres erstellen”, sagte Tran. “Ich bin begeistert von dem, was Quanten-Maschinen-Lernmethoden leisten könnten, von den hypothetischen Geräten, die sie hervorbringen könnten.”