Ingenieure beweisen Quantenvorteil

Forscher der University of Arizona School of Engineering und des James C. Wyant College of Optical Sciences zeigen experimentell, dass Quantenressourcen nicht nur Träume für die ferne Zukunft sind – sie können die heutige Technologie verbessern.

Quantencomputer und Quantensensorik haben das Potenzial, viel leistungsfähiger zu sein als ihre herkömmlichen Gegenstücke. Ein vollständig realisierter Quantencomputer könnte nicht nur Sekunden brauchen, um Gleichungen zu lösen, die ein klassischer Computer Tausende von Jahren in Anspruch nehmen würde, sondern er könnte unzählige Auswirkungen in Bereichen haben, die von der biomedizinischen Bildgebung bis zum autonomen Fahren reichen.

Allerdings ist die Technik noch nicht da.

Tatsächlich konnten trotz weit verbreiteter Theorien über die Fernwirkung von Quantentechnologien nur sehr wenige Forscher mit der jetzt verfügbaren Technologie nachweisen, dass Quantenmethoden gegenüber ihren klassischen Gegenstücken im Vorteil sind.

In einer am 1. Juni 2021 in der Zeitschrift veröffentlichten Forschungsarbeit X. physische Überprüfung, Forscher der University of Arizona haben experimentell nachgewiesen, dass Quanten gegenüber klassischen Computersystemen einen Vorteil haben.

Co-Autor des Artikels Zheshen Zhang, Assistenzprofessor für Materialwissenschaften und -technik, leitender Forscher an der UArizona Quantum Information and Materials Group und einer der Autoren des Artikels. „Wir wollen zeigen, wie wir die bereits vorhandene Quantentechnologie für reale Anwendungen nutzen können.“

Wie (und wann) das Quantum funktioniert

Quantencomputing und andere Quantenprozesse basieren auf kleinen, leistungsstarken Informationseinheiten, die als Qubits bezeichnet werden. Die klassischen Computer, die wir heute verwenden, arbeiten mit Informationseinheiten namens Bits, die entweder als Nullen oder als Singles existieren, aber Qubits können in beiden Zuständen gleichzeitig existieren. Diese Dualität macht sie stark und spröde. Mikro-Qubits neigen dazu, ohne Vorwarnung zusammenzubrechen, was einen Prozess namens Fehlerkorrektur – der Probleme bei ihrem Auftreten angeht – so wichtig macht.

Quuntao Zhuang (links), leitender Forscher der Gruppe Quanteninformationstheorie, und Zheshen Zhang, leitender Forscher der Gruppe Quanteninformation und Materialien, sind beide Assistenzprofessoren am College of Engineering. Bildnachweis: University of Arizona

Das Quantenfeld befindet sich jetzt in einer Ära, die der berühmte Physiker John Preskill vom California Institute of Technology als „intermediate-scale volume Noisy“ oder NISQ bezeichnete. In der NISQ-Ära können Quantencomputer trotz erheblichen Rauschens oder Interferenzen Aufgaben ausführen, die nur etwa 50 bis einige hundert Qubits benötigen. Mehr noch und der Lärm überwältigt das Interesse, was zum Zusammenbruch von allem führt. Es wird allgemein angenommen, dass 10.000 bis mehrere Millionen Qubits benötigt werden, um praktisch nützliche Quantenanwendungen zu implementieren.

Stellen Sie sich vor, Sie erfinden ein System, das sicherstellt, dass jede Mahlzeit, die Sie kochen, perfekt wird, und geben dieses System dann an eine Gruppe von Kindern weiter, die nicht die richtigen Zutaten haben. Es wird in ein paar Jahren großartig sein, wenn die Kinder erwachsen sind und kaufen können, was sie brauchen. Aber bis dahin ist der Nutzen des Systems begrenzt. Ebenso sind Quantenberechnungen auf einen kleinen Maßstab beschränkt, bis Forscher auf dem Gebiet der Fehlerkorrektur Fortschritte machen, die den Rauschpegel reduzieren können.

Ineinandergreifende Vorteile

Das in der Arbeit beschriebene Experiment verwendete eine Kombination aus klassischen und quantitativen Techniken. Konkret verwendete er drei Sensoren, um die durchschnittliche Amplitude und den Winkel von HF-Signalen zu klassifizieren.

Die Sensoren sind mit einer weiteren Quantenquelle namens Verschränkung ausgestattet, die es ihnen ermöglicht, Informationen miteinander auszutauschen und zwei Hauptvorteile bietet: Erstens verbessert sie die Sensorempfindlichkeit und reduziert Fehler. Zweitens werten die Sensoren aufgrund ihrer Verzahnung globale Eigenschaften aus, anstatt Daten über bestimmte Teile des Systems zu sammeln. Dies ist nützlich für Anwendungen, die nur eine binäre Antwort benötigen. In der medizinischen Bildgebung müssen Forscher beispielsweise nicht jede Zelle in einer Gewebeprobe kennen, die nicht krebserregend ist – nur ob eine einzelne Zelle krebserregend ist. Das gleiche Konzept gilt für den Nachweis gefährlicher Chemikalien im Trinkwasser.

Die Erfahrung hat gezeigt, dass die Ausstattung der Sensoren mit Quantenverschränkung ihnen einen Vorteil gegenüber klassischen Sensoren verschafft und die Fehlerwahrscheinlichkeit um einen kleinen, aber kritischen Spielraum reduziert.

„Die Idee, Sensoren durch Verriegelung zu verbessern, ist nicht auf einen bestimmten Sensortyp beschränkt, sodass sie für eine Reihe verschiedener Anwendungen verwendet werden kann, solange Sie über die Ausrüstung verfügen, um die Sensoren zu verriegeln“, sagte Studienkoordinator. Autor Quantao. Zhuang, Assistenzprofessor für Elektro- und Computertechnik und leitender Forscher in der Gruppe Quanteninformationstheorie. „Theoretisch könnte man sich beispielsweise Anwendungen wie Lidar (Lichterkennung und Entfernungsmessung) für selbstfahrende Autos vorstellen.“

Zhuang und Zhang haben 2019 die Theorie hinter dem Experiment entwickelt und beschrieben X. physische Überprüfung Papier. Sie haben das neue Papier gemeinsam mit Hauptautor Yi Xia, einem Doktoranden am James C. Weant College of Optical Sciences, und Wei Li, einem Postdoktoranden in Materialwissenschaften und -technik, verfasst.

Qubit-Arbeitsmappen

Es gibt aktuelle Anwendungen, die in der NISQ-Ära eine Kombination aus Quanten- und klassischer Verarbeitung verwenden, aber sie stützen sich auf bereits vorhandene klassische Datensätze, die in der Quantenwelt transformiert und kategorisiert werden müssen. Stellen Sie sich vor, Sie machen eine Reihe von Fotos von Katzen und Hunden und laden die Fotos dann in ein System hoch, das Quantenmethoden verwendet, um die Fotos entweder als „Katze“ oder „Hund“ zu kennzeichnen.

Das Team nähert sich dem Markierungsprozess aus einem anderen Blickwinkel und verwendet Quantensensoren, um hauptsächlich ihre Daten zu sammeln. Es ist wie mit einer speziellen Quantenkamera, die Fotos beim Fotografieren entweder als „Hund“ oder „Katze“ kennzeichnet.

„Viele Algorithmen berücksichtigen die auf einer Computerfestplatte gespeicherten Daten und wandeln sie dann in ein Quantensystem um, was Zeit und Mühe kostet“, sagte Zhuang. „Unser System löst ein anderes Problem, indem es die ablaufenden physikalischen Prozesse in Echtzeit auswertet.“

Das Team ist gespannt auf die zukünftigen Anwendungen ihrer Arbeit an der Schnittstelle von Quantensensorik und Quantitative Statistik. Sie stellten sich sogar vor, eines Tages den gesamten experimentellen Aufbau auf einen Objektträger zu bringen, der in ein Biomaterial oder eine Wasserprobe getaucht werden könnte, um Krankheiten oder schädliche Chemikalien zu identifizieren.

„Wir denken, dass es ein neues Paradigma sowohl für Quantencomputing, Quantenmaschinelles Lernen als auch für Quantensensoren ist, weil es wirklich eine Brücke schafft, um all diese verschiedenen Bereiche zu verbinden“, sagte Zhang.

Referenz: „Quantum Enhanced Data Classification with a Variable Synaptic Sensor Network“ Von Yi Xia, Wei Li, Kuntao Zhuang und Jichen Zhang, 1. Juni 2021, hier verfügbar. X. physische Überprüfung.
DOI: 10.1103/ PhysRevX.11.021047