Control predictivo de cubits mediante aprendizaje automático

Por Francisco R. Villatoro, el 26 enero, 2017. Categoría(s): Ciencia • Computación cuántica • Física • Mecánica Cuántica • Noticias • Physics • Science ✎ 3

Dibujo20170125 random phase evolution of the qubit during each measurement under the influence of an engineered noise trace ncomms14106 figures 1

La decoherencia es el gran problema de las tecnologías cuánticas. Para proteger los cubits se pueden usar técnicas de corrección de error y técnicas de control de la coherencia. El control cuántico fue propuesto en 2003 y consiste en aplicar cada cierto tiempo una consigna que haga que el cubit evolucione en un estado coherente, sin importar el ruido del entorno Todas las técnicas de control clásico se pueden adaptar al caso cuántico, incluso las técnicas de control predictivo basadas en aprendizaje automático (machine learning). Esta última ha sido demostrada por el grupo de Michael J. Biercuk, de la Universidad de Sidney, Australia, usando iones de iterbio atrapados. La técnica parece funcionar mejor que el control en bucle cerrado o realimentado (feedback). Combinadas con las técnicas de corrección de erorres, las técnicas de control cuántico de la coherencia parecen tener un futuro muy prometedor.

El artículo es Sandeep Mavadia, Virginia Frey, …, Michael J. Biercuk, «Prediction and real-time compensation of qubit decoherence via machine learning,» Nature Communications 8: 14106 (16 Jan 2017), doi: 10.1038/ncomms14106arXiv:1604.03991 [quant-ph]. Puedes leer también titulares como «Adivinando el futuro cuántico con aprendizaje automático» Tendencias21, 17 Ene 2017, y Daniel Oberhaus, «Researchers Accurately Predicted the Future of a Quantum System,» Motherboard, 16 Jan 2017.

Dibujo20170125 Experimental time-division multiplexing for qubit stabilization ncomms14106fig2

Un cubit se prepara en cierto estado con una fase bien definida. La decoherencia debida al entorno provoca un desfase (pérdida de coherencia). Para corregir dicho desfase se puede aplicar una compensación adecuada. Sin embargo, para saber cómo hacerlo hay que realizar medidas de su estado, que lo proyectan e interfieren con su uso en una aplicación práctica. La idea del control cuántico consiste en usar técnicas de control clásico para determinar la compensación que debe ser aplicada durante su uso para evitar el desfase debido al ruido del entorno. Si de alguna forma supiésemos cómo predecir este ruido del entorno, podríamos compensar su efecto sin problemas.

La idea del control predicitivo consiste en predecir el ruido del entorno observando cómo afecta al estado del cubit y controlar su fase usando dicha predicción. Por supuesto, hay que dividir el tiempo en intervalos de medida (Probe) y de uso (Stabilise) del cubit. En la fase de medida el cubit no puede ser usado ya que se realizan múltiples medidas cuánticas de su estado. Los resultados se almacenan en una memoria y un sistema de aprendizaje automático construye un modelo predictivo (tipo caja negra) del ruido que actúa sobre el cubit. Dicho modelo permite predecir cómo afectará dicho ruido al cubit durante un pequeño intervalo de tiempo posterior, con lo que permite diseñar una compensación de su efecto. Más allá, la predicción falla y el desfase no se puede compensar. Por ello hay que repetir todo el proceso de forma cíclica.

Dibujo20170125 Experimental setup and measurement technique ncomms14106

Las simulaciones por ordenador muestran que la idea funciona. Se ha mostrado su funcionamiento de forma experimental usando iones de iterbio (171Yb+) en una trampa de iones. El cubit se implementa con los estados 2S1/2, F=0 y F=1, que están separados 12,6 GHz. Se mide su estado forzando la transición a estados 2P1/2, F=0 y F=1, con un láser a 369 nm y usando un fotomultiplicador (PMT). Para inyectar el ruido que simula la decoherencia se usa una fuente de microondas en frecuencia modulada (FM). Su usa otra similar para aplicar la señal de compensación. Lo más importante del sistema es que la frecuencia de muestreo sea mucho mayor que la frecuencia de la señal de ruido artificial. Gracias a ello la curva del ruido varía lentamente y el algoritmo de predicción funciona de forma adecuada.

 

En resumen, los resultados son algo mejores que los obtenidos usando control realimentado, pero no son para lanzar cohetes (de ahí que se haya publicado en Nature Communications y no en una revista más prestigiosa). El grupo de Biercuk lleva trabajando bastantes años en estas técnicas de control que parecen muy prometedoras. Solo el futuro dirá si se acaban usando de forma regular en las futuras tecnologías cuánticas. 


3 Comentarios

  1. Esto me ha dejado pasmado. Yo tenía entendido que la decoherencia es totalmente azarosa. Pero si es predecible (a corto plazo al menos) significa que es semi-caótica, tiene cierta «estructura», al menos en el sentido de «si en el pasado fluctuó así entonces en el futuro probablemente fluctuará asá».

    ¿Por el hecho de medir la decoherencia a intervalos regulares estamos acotando su rango de fluctuación en los intervalos inmediatamente futuros? ¿Entendí bien?

    Muchas gracias y saludos.

    1. Pelau, la causa de la decoherencia es el entorno, luego es tan predecible como lo sea el entorno; en principio, a la escala de tiempo adecuado siempre es predecible, por ejemplo, piensa en el ruido térmico. La idea es que, cuando sea predecible, podrá ser observado de forma indirecta, en la escala de tiempo adecuado, observando su efecto sobre los cubits. Y por tanto su efecto podrá ser descontado.

      No entiendo bien tu pregunta. Como es obvio la frecuencia de muestreo debe cumplir el teorema de Nyquist-Shannon para una predicción fiable. Medir el cubit no afecta al entorno, luego no afecta a la decoherencia. Solo permite ver cómo evoluciona a la escala a lo que lo hace. No sé si esto contesta a lo que preguntas.

Deja un comentario