21:50 2023-02-07
science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu
_ Învățare profundă pentru detecția cuantică
_ Deep learning pentru quantum sensing
Detecția cuantică reprezintă una dintre cele mai promițătoare aplicații ale tehnologiilor cuantice, având ca scop utilizarea resurselor cuantice pentru a îmbunătăți sensibilitatea măsurătorilor. În special, detectarea fazelor optice este una dintre problemele cele mai investigate, considerată cheie pentru dezvoltarea dispozitivelor tehnologice produse în masă.
Utilizarea optimă a senzorilor cuantici necesită caracterizare și calibrare regulată. În general, o astfel de calibrare este o sarcină extrem de complexă și consumatoare de resurse - mai ales atunci când se iau în considerare sisteme de estimare a mai multor parametri, datorită volumului mare de măsurători necesare, precum și a timpului de calcul necesar pentru a analiza acele măsurători. Algoritmii de învățare automată prezintă un instrument puternic pentru a aborda această complexitate. Descoperirea protocoalelor adecvate pentru utilizarea algoritmului este vitală pentru dezvoltarea senzorilor pentru măsurători precise îmbunătățite cuantic.
Un anumit tip de algoritm de învățare automată cunoscut sub numele de „învățare prin consolidare” (RL) se bazează pe un sistem inteligent. agent ghidat de recompense: În funcție de recompensele pe care le primește, învață să efectueze acțiunile potrivite pentru a obține optimizarea dorită. Primele realizări experimentale folosind algoritmi RL pentru optimizarea problemelor cuantice au fost raportate doar foarte recent. Majoritatea se bazează încă pe cunoștințele anterioare ale modelului care descrie sistemul. Ceea ce este de dorit este, în schimb, o abordare complet fără model, care este posibilă atunci când recompensa agentului nu depinde de modelul explicit al sistemului.
Așa cum se raportează în Advanced Photonics, o echipă de cercetători de la Departamentul de Fizică de Universitatea Sapienza din Roma și Institutul pentru Fotonică și Nanotehnologii (IFN-CRN) au dezvoltat recent o abordare fără model care lărgește gama de aplicații posibile la cea a estimării multifazice adaptive. Echipa demonstrează eficacitatea abordării lor fără model într-o platformă fotonică integrată extrem de reconfigurabilă. Ei folosesc experimental algoritmul RL pentru a optimiza estimarea mai multor parametri și pentru a o combina cu o rețea neuronală profundă care actualizează după fiecare măsurătoare distribuția Bayesiană posterioară a probabilității.
Protocolul gestionează senzorul multiparametru cuantic într-un mod complet negru. cutie, deoarece la nicio etapă nu este necesar modelul de funcționare a sistemului. Important, echipa demonstrează performanța îmbunătățită obținută cu protocolul lor asupra datelor experimentale într-un regim limitat de resurse și o compară cu cea a strategiilor neadaptative, realizând estimări semnificativ mai bune.
Conform autorului corespondent Fabio Sciarrino , șeful Laboratorului Quantum, „Protocolul dezvoltat de echipa noastră oferă un pas semnificativ către senzori cuantici bazați pe inteligență artificială.”
Comentarii:
Adauga Comentariu