طبقه بندی و خصوصیات حالت های کوانتومی نوری

طبقه بندی و خصوصیات حالت های کوانتومی نوری

حالت‌های فوتونیک کوانتومی منبع مهمی را نه تنها برای کاربردهای سنجش، بلکه برای ارتباطات کوانتومی [176-178] و پروتکل‌های محاسباتی نشان می‌دهند. توصیف قابل اعتماد حالات کوانتومی به کار گرفته شده حالت های ایجاد شده در واقع تحت تأثیر نویز و نواقص تجربی قرار می گیرند، بنابراین دانش در مورد وضعیت واقعی موجود تنها از طریق بازسازی کامل توموگرافیک آن به دست می آید، یعنی بازسازی ماتریس چگالی حالت با استفاده از اندازه گیری ها بر روی مجموعه ای از حالت های کوانتومی یکسان. دانش ماتریس چگالی $\rho$ در واقع اجازه می دهد تا وضعیت کوانتومی بازرسی شده را به طور کامل مشخص کنیم.[159] با این حال، تعداد اندازه‌گیری‌های مورد نیاز برای به دست آوردن مقیاس توموگرافی کامل به صورت تصاعدی با ابعاد وضعیت مورد بررسی، بنابراین برای سیستم‌های با ابعاد بالا، حل آن از نظر محاسباتی به یک کار سخت تبدیل می‌شود که نیاز به تجزیه و تحلیل حجم عظیمی از داده‌ها دارد. برای غلبه بر مشکلات مرتبط با مقیاس نمایی، زمانی که منطقی است فرض کنیم که حالت کوانتومی بررسی شده برخی از ویژگی‌های منظمی خاص را برآورده می‌کند، از مدل‌های مولد استفاده شده است.

حالت‌هایی که تابع موج آن‌ها را می‌توان توسط یک ماشین بولتزمن محدود (RBM) تقریب زد که به عنوان یک تقریب‌کننده جهانی شناخته می‌شود که می‌تواند یک توزیع پیچیده کلی را فقط از ورودی‌ها یاد بگیرد، مورد توجه خاص است. RBM ها یک روش یادگیری بدون نظارت هستند که به فرد اجازه می دهد توزیع احتمال مرتبط با مجموعه ورودی های خود را بازسازی کند. آنها از یک NN دو لایه تشکیل شده اند: لایه قابل مشاهده و لایه پنهان و اتصالات فقط بین گره های قابل مشاهده و گره های پنهان وجود دارد. در سال‌های اخیر ثابت شده است که آنها ابزاری کارآمد برای حل مسائل فیزیک کوانتومی هستند، همانطور که در مقاله نشان داده شده است. [181]. با محدود کردن به RBM ansatz، می توان توموگرافی حالت کوانتومی را برای حل یک کار ML بدون نظارت به دست آورد. در چارچوب فوتونیک، ایده توسعه یافته توسط ref. [181] برای به دست آوردن توموگرافی یک حالت آزمایشی دو کیوبیت و برای بازسازی یک حالت نوری متغیر پیوسته از اندازه‌گیری‌های ربع هموداین اجرا شده است.[182]