Российские физики экспериментально продемонстрировали устойчивость к шумам квантового вариационного алгоритма на фотонном вычислителе с поляризационными кубитами. С его помощью они рассчитали квантовый фазовый переход в модели взаимодействия элементарных частиц и следили за возможностью его различить в случае зашумленных измерений. Работа опубликована в журнале Applied Physics Letters.
Помимо известных квантовых алгоритмов, которые под силу только квантовому компьютеру, ученые ищут другие способы применения квантовых симуляторов «здесь и сейчас». Одна из таких возможностей — квантовые гибридные вариационные алгоритмы. Их хитрость таится в слове «гибридные»: для решения любой задачи используется и квантовый и классический вычислители, каждый из которых решает реальную для него подзадачу. Самый простой и распространенный вариационный алгоритм умеет находить минимальное значение энергии системы (в англоязычной литературе его называют Variational Quantum Eigensolver или VQE).
Любую задачу можно перевести на квантовый язык и рассматривать ее как физическую систему в состоянии с определенной энергией, причем решением задачи будет такое состояние системы, при котором энергия системы минимальна. Гибридный алгоритм использует квантовый процессор для того, чтобы приготавливать разные состояния, которые могут оказаться решением задачи. А классический вычислитель проверяет, какую энергию имеет то или иное состояние, и подсказывает квантовому какое состояние приготовить следующим. Постепенная вариация (отсюда и название) квантового состояния позволяет найти нужное состояние с минимальной энергией.
Физики из Сколтеха и Центра Квантовых Технологий МГУ под руководством Джейкоба Бьямонте (Jacob D. Biamonte) реализовали VQE на фотонном процессоре с поляризационными кубитами для моделирования изменения симметрии в системе элементарных частиц. Ученые запускали алгоритм при разных уровнях шума в системе и показали, что алгоритм устойчив к шумам. Кроме этого, им удалось обнаружить особенность поведения алгоритма в точке фазового перехода.
Фотонный квантовый вычислитель для экспериментальной реализации алгоритма состоял из двух основных частей: источника запутанных по поляризации фотонов и схемы приготовления-измерения состояния. Для генерации пары запутанных фотонов часто используют эффект спонтанного параметрического рассеяния (СПР) в нелинейном кристалле. Чтобы запутать фотоны по поляризации, авторы поместили нелинейный кристалл внутрь интерферометра и накачивали его с двух сторон: луч накачки от лазерного диода делится в зависимости от поляризации на светоделителе (излучение с горизонтальной поляризацией H проходит через него, а с вертикальной V — отражается) и попадает на кристалл с двух противоположных сторон. В результате параметрического рассеяния из кристалла в каждом направлении выходит по два фотона с разными поляризациями: пара фотонов от прошедшего пучка при попадании на поляризационный светоделитель разделится таким образом, что один фотон (H поляризации) пройдет его насквозь и попадет в дальнее волокно, а второй (V) отклонится и направится в ближнее. Для пары, родившейся при накачке кристалла с другого края, ситуация окажется противоположной — фотон с горизонтальной поляризацией попадет в ближнее волокно, а с вертикальной — в дальнее. Вероятность рождения пары мала и неизвестно в каком из направлений это произойдет, поэтому нельзя предугадать какой фотон в каком волокне окажется. Однако точно известно, что если в одно из волокон прилетел фотон с горизонтальной поляризацией, то в другое — с вертикальной, и наоборот. Это и означает, что фотоны запутаны по поляризации.
Вторая часть состоит из моторизированных полуволновых и четвертьволновых пластинок, которые управляют поляризацией вылетевших из волокна фотонов. После пластинок расположены поляризационные светоделители, которые, как и в первой части, пространственно разделяют горизонтальную и вертикальную поляризации и направляют их на детекторы. В такой схеме состояние системы описывается поляризациями обоих кубитов, а энергия системы измеряется детекторами. Значение энергии считывает классический процессор и передает моторизированные пластинки сигнал о том, какое состояние готовить следующим.
Авторы моделировали систему, которую описывает гамильтониан Швингера. При изменении массы частиц в системе изменяется ее симметрия, что хорошо описывает параметр порядка — он может меняться от 0 до 1. Для каждой массы получается свой гамильтониан, минимальную энергию которого и ищет вариационный алгоритм. Ученые сравнивали аналитическую зависимость параметра порядка для разных масс с симуляциями на классическом компьютере и результатами алгоритма. Они обнаружили расхождение с теорией и экспериментом для масс близких к массе, в которой параметр порядка равен 0.5 (график квантового фазового перехода симметричен относительно нее). Дальнейшее исследование показало, что эта точка работает как аттрактор — вблизи этой точки алгоритм оказывается в ловушке и уже не может выбраться для того, чтобы добраться до верного значения. Такое поведение — особенность VQE, с которой можно бороться стандартными способами (менять поведение классического алгоритма, начальное состояние, с которого начинается алгоритм) или использовать другой вариационный алгоритм.
Тем не менее алгоритм VQE показал себя с хорошей стороны при наличии шума в системе. В качестве источников шума исследователи использовали управляемые волновые пластинки, которые меняли поляризацию фотонов непосредственно перед измерением. Это позволяло проверить реакцию алгоритма на неидеальное измерение. Возможность управлять источниками шума позволила менять степень зашумленности от 0 (поляризация не изменилась) до 1 (не осталось никакой информации о начальной поляризации). Оказалось, что даже при максимальном зашумлении одного из каналов алгоритм все еще позволяет увидеть фазовый переход, а при шуме в обоих устойчив к уровням выше 0.5.
Физики планируют масштабировать фотонный вычислитель заменой описанной схемы на фотонные интегральные чипы для исследования и реализации более сложных квантовых вариационных алгоритмов.
Китайские физики уже применяли фотонные интегральные схемы для бозонного сэмплинга и показали, как можно с их помощью увеличить число кубитов в вычислителе. А другим исследователям даже удалось показать квантовое преимущество на фотонном процессоре с использованием объемной оптики.
Оксана Борзенкова
А также измерит расстояние до них
Американские ученые разработали технологию пассивного теплового зрения HADAR, которая по инфракрасному изображению получает информацию о температуре, материалах и текстуре поверхности объектов, их излучательной способности, а также умеет измерять расстояние. Технология позволяет в ночных условиях получать изображение, сопоставимое по качеству со стереоскопическими изображениями, получаемыми обычными RGB камерами при дневном освещении. Статья опубликована в журнале Nature. Для автономной навигации и взаимодействия с людьми роботам и беспилотникам нужна информация об окружении, которую они получают с помощью камер, лидаров, сонаров или радаров. Однако обычные камеры зависят от условий освещенности и плохо работают в ночное время и при плохой погоде. Кроме этого информация, получаемая с камер не содержит физического контекста, что может приводить к некорректной работе нейросетевых алгоритмов автопилота, который, к примеру, не может отличить настоящего человека от манекена. Активные сенсоры, такие как лидары и радары, при резком росте их числа начинают взаимно влиять друг на друга. Выходом могло бы стать использование в условиях недостаточной видимости камер, работающих в инфракрасном диапазоне. Однако из-за так называемого «эффекта призрачности» получаемые тепловизором изображения обычно выглядят как пятна без четкой текстуры. Это связано с тем, что поверх отражающихся от объекта инфракрасных лучей, которые несут информацию об особенностях его рельефа, накладывается его собственное тепловое излучение, которое засвечивает эту полезную информацию. Группа ученых под руководством Зубин Джакоб (Zubin Jacob) из Университета Пердью смогла справиться с этой проблемой. Они разработали технологию под названием HADAR (акроним от слов heat-assisted detection and ranging), которая с помощью машинного обучения извлекает из изображений, полученных в инфракрасном диапазоне, информацию о температуре объектов, излучательной способности материалов, из которых они состоят, а также их физической текстуре. Кроме того, технология позволяет определять расстояние до объектов на изображении. Выделение информации о собственном излучении объектов позволяет избавиться от «эффекта призрачности» и получить информацию о текстуре. Для этого авторы используют данные из библиотеки материалов, которая содержит информацию об их излучательной способности. Инфракрасное изображение фиксируется с помощью гиперспектральной камеры, после чего данные поступают на вход нейросетевой модели, которая производит декомпозицию исходных данных, выделяя из них информацию о температуре, собственном излучении и текстуре. Для обучения алгоритма исследователи использовали как настоящие изображения, полученные с помощью камеры, так и множество сгенерированных трехмерных сцен. Возможности технологии демонстрирует одна из сцен, на которой при слабом освещении запечатлен автомобиль черного цвета и человек, рядом с которым установлен вырезанный из картона портрет Альберта Эйнштейна в натуральную величину. Изображения, полученные с помощью обычной камеры, лидара и HADAR затем использовали для определения объектов с помощью алгоритма распознавания изображений. На изображении, полученном с помощью обычной камеры, алгоритм ошибочно распознал двух людей, приняв картонную фигуру за человека. На данных, полученных лидаром, оказалось невозможно определить автомобиль. При этом HADAR смог выделить все составляющие сцены, а также определить, что одна из человеческих фигур имеет сигнатуру краски на поверхности, а вторая покрыта тканью. Созданная технология может значительно улучшить системы автономной навигации беспилотных транспортных средств и роботов, дополнив уже существующие системы или даже заменив их. HADAR позволяет определять объекты и измерять расстояние по данным, полученным в ночное время, так же хорошо, как это делают традиционные системы компьютерного зрения, которые используют данные с камер в условиях дневного освещения. По словам авторов работы, в дальнейшем им предстоит решить проблему высокой стоимости оборудования для гиперспектральной съемки и невысокой производительности алгоритма. Сейчас процесс получения изображений и их обработки занимает минуты, но для работы в режиме реального времени это время необходимо сократить. Ранее мы рассказывали, как физики создали лидар, способный распознать метровые детали с рекордного расстояния в 45 километров в условиях высокого шума и слабого сигнала.