کاربرد هوش مصنوعی در اپتیک کوانتومی

کاربرد هوش مصنوعی در اپتیک کوانتومی

توسعه فناوری های کوانتومی اکنون به مرحله ای رسیده است که در آن نوعی پردازش خودکار داده ها به شدت مطلوب است. این نیاز از حجم زیادی از داده‌هایی که یک سیستم کوانتومی پیچیده می‌تواند تولید کند و همچنین لزوم اتکا نکردن به اپراتوری که بر روی سیستم عمل می‌کند ناشی می‌شود. بنابراین ML به عنوان یک تکنیک جذاب برای رسیدگی به چنین مشکلاتی به نظر می رسد. به ویژه، در زمینه اپتیک کوانتومی، [158] پیچیدگی آزمایش های جدید به طور مداوم در حال افزایش است. ما اکنون تجهیزات و پلتفرم‌هایی را برای تولید حالت‌های درهم تنیده چندجانبه با ابعاد بالا داریم که شامل سیستم‌های فیزیکی متشکل از بیش از دو زیرسیستم است که می‌توانند برای دستیابی به وظایف مختلف دستکاری شوند. یکی از پیامدهای مستقیم برخورد با چنین سیستم‌های پیچیده‌ای این است که کنترل و توصیف حالت‌های تولید شده نیازمند تلاش‌های بزرگ‌تری هم از نظر هزینه‌های محاسباتی و هم در توانایی مدل‌سازی رفتار آنها است. در واقع، در حالی که توصیف کامل یک سیستم کلاسیک به تعدادی پارامتر نیاز دارد که به صورت خطی با اندازه سیستم مقیاس می شوند، تعداد اندازه گیری ها و پارامترهای مورد نیاز برای توصیف حالت های کوانتومی تولید شده به صورت نمایی با ابعاد آنها مقیاس می شود. چنین مقیاس بندی نمایی ذاتاً با ویژگی های خاص پدیده های کوانتومی مرتبط است.[159] بنابراین، استفاده از روش‌های ML به‌ویژه در شرایط تجربی پر سر و صدا مفید به نظر می‌رسد، جایی که کاربرد مدل نظری می‌تواند شکست بخورد و توسعه یک مدل خاص به‌ویژه برای سیستم‌های با ابعاد بالا بسیار سخت است. افزایش پیچیدگی منابع کوانتومی فوتونیک در دسترس دلیل اصلی این است که در سال‌های گذشته تعداد آزمایش‌های متوسل به ML به سرعت در این زمینه گسترش یافته است. استفاده از آن در جنبه های مختلف مفید است که در ادامه به صورت جداگانه بررسی خواهیم کرد، یعنی تولید حالت های کوانتومی، استفاده از آنها در کاربردهای اندازه شناسی و در نهایت خصوصیات آنها.