Машинное обучение — полезный инструмент квантового управления

Кот Шредингера иллюстрирует парадокс суперпозиции. В этом сценарии кота поместили в закрытый ящик с флягой с ядом. Через некоторое время кошку можно было считать одновременно живой и мертвой. По аналогии с квантовой механикой это относится к квантовой частице, одновременно находящейся в двух ямах. 

Использование зашумленных измерений для управления квантовыми системами, особенно в реальном времени, проблематично. Таким образом, поиск средств для точного управления на основе измерений имеет важное значение для использования в квантовых технологиях, таких как мощные квантовые компьютеры и устройства для медицинской визуализации.

Теперь международная группа исследователей из отдела квантовых машин Окинавского института науки и технологий (OIST), Япония, и Университета Квинсленда, Австралия, с помощью моделирования продемонстрировала, что обучение с подкреплением представляет собой тип машины. обучения, можно использовать для точного квантового контроля даже при измерениях с шумом.

Доктор Сангха Бора, научный сотрудник подразделения и ведущий автор статьи, объяснил идею на простом примере. «Представьте себе мяч на вершине холма. Мяч может легко катиться влево или вправо, но цель состоит в том, чтобы удерживать его в одном и том же месте. Для этого нужно посмотреть, в какую сторону он будет катиться. Если он склонен идти влево, силу нужно прикладывать вправо и наоборот. А теперь представьте, что машина прикладывает эту силу, и, используя обучение с подкреплением, машину можно научить, сколько силы и когда применять ».

Обучение с подкреплением часто используется в робототехнике, где робот может научиться ходить методом проб и ошибок. Но такие приложения в области квантовой физики редки. Хотя мяч на вершине холма является наглядным примером, система, которую моделировали исследователи, имела гораздо меньший масштаб. Вместо шара объект представлял собой небольшую частицу, движущуюся в двойной лунке, которую доктор Бора и его коллеги пытались контролировать, используя измерения в реальном времени.

«Дно двух лунок называется основным квантовым состоянием», — сказал доктор Биджита Сарма, научный сотрудник подразделения и соавтор статьи.

«Вот где мы хотели, чтобы в конечном итоге находилась частица. Для этого нам нужно непрерывно проводить измерения, чтобы извлекать информацию о состоянии частицы и, в зависимости от этого, прикладывать некоторую силу, чтобы подтолкнуть ее к основному состоянию. Однако измерения, обычно используемые в квантовой механике, не позволяют нам этого сделать. Следовательно, нам нужен более разумный способ управления системой ».

Интересно, что в основном состоянии частица будет находиться в обеих ямах одновременно. Это называется квантовой суперпозицией, и это необходимое состояние для системы, учитывая ее важность в различных квантовых технологиях. Чтобы определить местоположение (или местоположения) частицы в скважине, машинному агенту предоставляются записи измерений из непрерывных слабых измерений в реальном времени, которые он использует в качестве точек данных для обучения. А поскольку здесь использовалась петля усиления, любая информация, полученная машиной от системы, будет использоваться для уточнения будущих измерений.

Сложность этой системы усугублялась тем фактом, что она нелинейна, а это означает, что изменение ее выхода не было связано с изменениями на входе. Эти системы сбивают с толку и хаотичны по сравнению с так называемыми линейными системами.

Для таких нелинейных систем не существует стандартного метода квантового управления, но это исследование показало, что с помощью обучения с подкреплением машина может научиться управлять квантовой системой полностью автономно.

«По мере того, как мы постепенно движемся к будущему, в котором в значительной степени будет доминировать искусственный интеллект, настало время изучить полезность искусственного интеллекта, такого как машинное обучение, для решения некоторых проблем, которые не могут быть решены обычными средствами», — заключил д-р Бора. «Это особенно применимо к управлению динамикой частиц на квантовом уровне, где все резко противоречит здравому смыслу».

Профессор Джейсон Твамли, возглавляющий подразделение OIST, добавил: «Для нелинейных систем не существует известного метода эффективного управления с обратной связью. В этой работе мы показали, что обучение с подкреплением действительно может быть эффективным для такого контроля, что удивительно и футуристично ».