L’apprendimento automatico aiuta ad aprire nuove possibilità per i dispositivi quantistici

La rotazione elettronica di singoli elettroni nei punti quantici potrebbe servire come la più piccola unità di informazione di un computer quantistico. Scrivendo in npj Quantum Information, gli scienziati descrivono come possono accelerare enormemente questo processo estremamente dispendioso in termini di tempo con l’aiuto dell’apprendimento automatico.

Il loro approccio alla misurazione e al controllo automatici dei qubit rappresenta un passo fondamentale verso la loro applicazione su larga scala.

La dott.ssa Natalia Ares del Dipartimento dei materiali dell’Università di Oxford ha dichiarato: “Per la prima volta, abbiamo applicato l’apprendimento automatico per eseguire misurazioni efficienti in punti quantici di arsenuro di gallio, consentendo in tal modo la caratterizzazione di grandi matrici di dispositivi quantici”.

Il professor Dr. Dominik Zumbühl dell’Università di Basilea ha dichiarato: “Il prossimo passo nel nostro laboratorio è ora quello di applicare il software ai punti quantici a semiconduttore realizzati con altri materiali che si adattano meglio allo sviluppo di un computer quantistico.

“Con questo lavoro, abbiamo fornito un contributo chiave che aprirà la strada alle architetture qubit su larga scala.”

Per diversi anni, lo spin dei singoli elettroni in un punto quantico è stato identificato come un candidato ideale per la più piccola unità di informazione in un computer quantistico, altrimenti noto come qubit.

Nei punti quantici fatti di materiali semiconduttori stratificati, i singoli elettroni vengono catturati in una trappola, per così dire. I loro giri possono essere determinati in modo affidabile e commutati rapidamente, con i ricercatori che tengono sotto controllo gli elettroni applicando tensioni alle varie nanostrutture all’interno della trappola. Tra le altre cose, ciò consente loro di controllare quanti elettroni entrano nel punto quantico da un serbatoio attraverso effetti di tunneling. Qui, anche piccoli cambiamenti di tensione hanno una notevole influenza sugli elettroni.

Per ogni punto quantico, le tensioni applicate devono essere sintonizzate attentamente per raggiungere le condizioni ottimali. Quando più punti quantici vengono combinati per scalare nel dispositivo fino a un gran numero di qubit, questo processo di sintonizzazione diventa enormemente dispendioso in termini di tempo perché i punti quantici a semiconduttore non sono completamente identici e devono essere caratterizzati singolarmente.

Questo algoritmo di break-through aiuterà ad automatizzare il processo. L’approccio di apprendimento automatico degli scienziati riduce il tempo di misurazione e il numero di misurazioni rispetto all’acquisizione dei dati convenzionale.

Gli scienziati hanno addestrato la macchina con i dati sulla corrente che scorre attraverso il punto quantico a diverse tensioni. Come la tecnologia di riconoscimento facciale, il software impara gradualmente dove sono necessarie ulteriori misurazioni, al fine di ottenere il massimo guadagno di informazioni. Il sistema esegue quindi queste misurazioni e ripete il processo fino a quando non si ottiene una caratterizzazione efficace secondo criteri predefiniti e il punto quantico può essere usato come qubit.

Leggi l’articolo completo: ” Misurare in modo efficiente un dispositivo quantistico usando l’apprendimento automatico ” in  npj Quantum Information.

Scopri di più sul Quantum Computing alla Oxford University.

Fonte: University of Oxford