es.wedoany.com Noticia: Un equipo de investigación formado por Quandela, el Centro de Física Teórica de la Academia Polaca de Ciencias (Center for Theoretical Physics of the Polish Academy of Sciences) y la Universidad de Varsovia (University of Warsaw) ha demostrado experimentalmente una arquitectura de aprendizaje automático cuántico físico escalable. Este proyecto cuenta con el apoyo del proyecto explorador QUONDENSATE del programa Horizonte Europa de la Unión Europea. El equipo utilizó unidades de procesamiento cuántico fotónico programables de silicio excitadas por estados de fotón único, ejecutando simultáneamente tareas de clasificación de aprendizaje automático clásico y procesamiento de información cuántica.
Este hardware supera el cuello de botella de la expansión exponencial en la caracterización de estados cuánticos mediante el uso de una única base de medición fija para realizar tomografía completa de estados cuánticos y seguimiento de entrelazamiento multimodo. El dispositivo experimental se basa en los principios físicos de la computación de depósito cuántico y se configura como una red de procesamiento de depósito cuántico. El "depósito" no entrenable está compuesto por una rejilla de interferómetros Bell-Walmsley integrada en un chip de silicio, que contiene una densa red de guías de onda ópticas, acopladores de modo y termo-desfasadores controlados térmicamente.
Al procesar información, los pulsos de fotón único generados por puntos cuánticos semiconductores incrustados en cavidades de micropilares se enrutan a través de un desmultiplexor activo de 12 modos y se inyectan como estados multimodo no clásicos en el chip QPU Belenos de 24 modos de Quandela. Los fotones experimentan transformaciones complejas impulsadas por interferencia cuántica al atravesar una matriz de interferómetros Mach-Zehnder (MZI) programables. El estado de salida se mapea mediante detectores de resolución de número de fotones (PNR) con resolución de polarización, junto con correlacionadores electrónicos. El sistema construye un vector de características de 15 elementos a partir de la distribución de probabilidad de coincidencia de múltiples fotones, superando la limitación binaria de los detectores de umbral estándar.
Esta plataforma de procesamiento de depósito cuántico se sometió a pruebas comparativas con dispositivos estándar de resolución de número de fotones, realizando tomografía de estados cuánticos en matrices de densidad mixtas de dos fotones multimodo. Mientras que la tomografía de estados cuánticos tradicional requiere mediciones exponenciales en múltiples bases de medición, este marco utiliza una única matriz de transformación unitaria aleatoria fija para mapear correlaciones cuánticas multimodo en características de conteo de fotones rastreables. La arquitectura de procesamiento de depósito cuántico ejecutada por el hardware logró una fidelidad promedio del conjunto de datos de prueba de 0,820, superando la línea base de referencia de resolución de número de fotones de 0,747, que no puede resolver la coherencia de fase no diagonal debido a la falta de interferencia óptica. A partir de la matriz de densidad reconstruida, el software extrajo tres métricas cuánticas: pureza, entropía de von Neumann y negatividad (una medida estricta de entrelazamiento cuántico).
El equipo trazó las características de escalado del circuito, demostrando que la dimensión del espacio de características requerido escala cuadráticamente con el número de modos del estado objetivo, estableciendo un modelo para la caracterización multimodo más grande, como 3 modos (45 parámetros independientes). Para extender la plataforma al procesamiento de datos clásicos, los investigadores mapearon una tarea de clasificación binaria no lineal de puntos de datos de doble hélice entrelazados en el procesador Ascella de 12 modos de Quandela. El equipo diseñó un marco de entrenamiento de simulación informática consciente del hardware, inyectando matrices de perturbación unitarias aleatorias con fluctuaciones locales específicas de la muestra en la matriz de depósito simulada ideal durante el bucle de optimización de la capa de lectura de software. Después de ejecutar el bucle de optimización con una amplitud de perturbación que coincide con el error de compilación del chip físico, el hardware físico logró una precisión de clasificación experimental de aproximadamente el 79,7%, superando a la red de simulación clásica ideal que procesa entradas de estado coherente y conteos de intensidad promedio.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
