Физики ускорили анализ квантовых состояний с помощью нейросети

Международная группа ученых, в которую вошли сотрудники Центра квантовых технологий физического факультета МГУ имени М.В. Ломоносова, обучили нейросеть предсказывать информационную полноту набора измерений в квантовой томографии. Благодаря этому можно быстрее реконструировать квантовые состояния.

Методы сжатого считывания квантовых состояний опираются на определение набора проведенных измерений. Когда набор становится полным, можно однозначно восстановить неизвестное состояние по результатам измерений. Ранее определение полноты измерений сводилось к оптимизационному алгоритму — серии задач оптимизации, решения которых нужно было вычислять по ходу эксперимента.

Замена такого алгоритма обученной нейронной сетью позволяет существенно снизить сложность вычислений, кратно сократив время, необходимое для проведения эксперимента. Таким образом, результаты меньше подвержены эффекту накопления шумов, точность томографии при наличии флуктуаций исследуемого состояния во времени повышается.

Представленные сверточные нейронные сети проверялись как в эксперименте с многофотонными поляризационными состояниями, так и для пространственных состояний света большой размерности.

«Обучение нейросетей может быть выполнено заранее, на синтетических данных, полученных посредством симуляции работы экспериментальной установки, - говорит один из авторов статьи Глеб Стручалин, научный сотрудник Центра квантовых технологий физического факультета МГУ имени М.В. Ломоносова. - Затем полученные нейросети могут без изменений многократно применяться в различных реальных экспериментах для определения полноты измерений и оценки точности восстановления состояния. В то же время качество предсказаний, выдаваемых нейросетями, повышается, если в синтетическую обучающую выборку добавить результаты измерений, полученные в эксперименте. При этом нейросети изучат модель шума, которая отсутствовала в симулированных данных».

• #Физика