Onderzoekers creëren nieuw algoritme voor verificatie van quantumapparaten

Onderzoekers aan de Universiteit van Tokio hebben machine learning gebruikt om een nieuw algoritme te creëren dat de efficiënte en nauwkeurige verificatie van quantumapparaten mogelijk maakt. Technologieën die afhankelijk zijn van nieuwe kwantummechanische gedragingen worden steeds populairder en vereisen verificatie vanwege inherente onzekerheden.

Het onderzoek werd gepubliceerd in APS Physics.

Een quantuminternet

De meeste experts beschouwen quantumcomputers nog steeds als in hun vroege ontwikkelingsfase, maar een quantuminternet is geavanceerder en dichter bij het heden. Om dit te bereiken, zal er veel meer onderzoek en de ontwikkeling van veel meer tools voor het ontwerp van quantumapparaten nodig zijn.

Een van deze belangrijke tools is het algoritme dat quantumapparaten verifieert. Het is ontwikkeld door postdoctoraal onderzoeker Quoc Hoan Tran en associate professor Kohei Nakajima van de Graduate School of Information Science and Technology aan de Universiteit van Tokio.

Volgens de onderzoekers kan het apparaat de verificatie van het gedrag van quantumapparaten efficiënter en nauwkeuriger maken. Het algoritme kan de werking van een tijd-afhankelijke quantumapparaat reconstrueren en doet dit door de relatie tussen de quantuminputs en -outputs te leren.

“De techniek om een kwantumsysteem te beschrijven op basis van zijn inputs en outputs wordt kwantumprocesstomografie genoemd,” zei Tran. “Echter, veel onderzoekers melden nu dat hun kwantumsystemen een soort geheugeneffect vertonen waarbij huidige staten worden beïnvloed door eerdere. Dit betekent dat een eenvoudige inspectie van input- en outputstaten het tijd-afhankelijke karakter van het systeem niet kan beschrijven. U kunt het systeem herhaaldelijk modelleren na elke verandering in de tijd, maar dit zou extreem computationeel inefficiënt zijn. Ons doel was om dit geheugeneffect te omarmen en het tot onze voordeel te gebruiken in plaats van brute kracht te gebruiken om het te overwinnen.”

Constructie van het algoritme

Om het algoritme te construeren, gebruikte het team machine learning en een techniek genaamd kwantumreservoircomputing. Door de inputs en outputs die veranderen over tijd in een kwantumsysteem te leren, kan het voorspellen hoe de patronen zullen veranderen. Het kan deze voorspellingen doen, zelfs in situaties die nog niet zijn waargenomen.

“Op dit moment kan ons algoritme een bepaald type kwantumsysteem emuleren, maar hypothetische apparaten kunnen sterk variëren in hun verwerkingsvermogen en hebben verschillende geheugeneffecten. De volgende stap in het onderzoek zal zijn om de mogelijkheden van onze algoritmes te verbreden, waardoor we iets meer algemeen en dus nuttiger maken,” zei Tran. “Ik ben geïnteresseerd in wat kwantummachine learningmethoden kunnen doen, door de hypothetische apparaten die ze zouden kunnen leiden.”