Gli scienziati dei Quantum Engineering Technology Labs (QETLabs) dell'Università di Bristol hanno sviluppato un algoritmo che fornisce preziose informazioni sulla fisica alla base dei sistemi quantistici, aprendo la strada a progressi significativi nel calcolo e nel rilevamento quantistici, e potenzialmente voltare pagina nella ricerca scientifica.

In fisica, sistemi di particelle e la loro evoluzione sono descritti da modelli matematici, che richiedono la riuscita interazione di argomenti teorici e verifica sperimentale. Ancora più complessa è la descrizione di sistemi di particelle che interagiscono tra loro a livello quantomeccanico, che viene spesso fatto utilizzando un modello hamiltoniano. Il processo di formulazione di modelli hamiltoniani dalle osservazioni è reso ancora più difficile dalla natura degli stati quantistici, che crollano quando si tenta di ispezionarli.

Nella carta, Apprendimento di modelli di sistemi quantistici da esperimenti, pubblicato in Fisica della natura , la meccanica quantistica dei QET Labs di Bristol descrive un algoritmo che supera queste sfide agendo come un agente autonomo, utilizzando l'apprendimento automatico per decodificare i modelli hamiltoniani.

Il team ha sviluppato un nuovo protocollo per formulare e convalidare modelli approssimati per i sistemi quantistici di interesse. Il loro algoritmo funziona in modo autonomo, progettare ed eseguire esperimenti sul sistema quantistico mirato, con i dati risultanti che vengono reimmessi nell'algoritmo. Propone modelli hamiltoniani candidati per descrivere il sistema target, e li distingue utilizzando metriche statistiche, vale a dire fattori di Bayes.

Eccitante, il team è stato in grado di dimostrare con successo l'abilità dell'algoritmo in un esperimento quantistico nella vita reale che coinvolge i centri di difetto in un diamante, una piattaforma ben studiata per l'elaborazione delle informazioni quantistiche e il rilevamento quantistico.

L'algoritmo potrebbe essere utilizzato per aiutare la caratterizzazione automatizzata di nuovi dispositivi, come i sensori quantistici. Questo sviluppo rappresenta quindi una svolta significativa nello sviluppo delle tecnologie quantistiche.

"Combinando la potenza dei supercomputer di oggi con l'apprendimento automatico, siamo stati in grado di scoprire automaticamente la struttura nei sistemi quantistici. Man mano che nuovi computer/simulatori quantistici diventano disponibili, l'algoritmo diventa più entusiasmante:prima può aiutare a verificare le prestazioni del dispositivo stesso, quindi sfruttare quei dispositivi per comprendere sistemi sempre più grandi, ", ha affermato Brian Flynn del QETLabs e del Quantum Engineering Center for Doctoral Training dell'Università di Bristol.

"Questo livello di automazione consente di intrattenere miriadi di modelli ipotetici prima di selezionarne uno ottimale, un compito altrimenti arduo per sistemi la cui complessità è in costante aumento, " disse Andrea Gentile, ex QETLabs di Bristol, ora a Qu &Co.

"Comprendere la fisica sottostante e i modelli che descrivono i sistemi quantistici, aiutarci a far progredire la nostra conoscenza delle tecnologie adatte al calcolo quantistico e al rilevamento quantistico, " disse Sebastian Knauer, anche precedentemente dei QETLabs di Bristol e ora con sede presso la Facoltà di Fisica dell'Università di Vienna.

Anthony Laing, co-direttore di QETLabs e professore associato presso la School of Physics di Bristol, e un autore sulla carta, ha elogiato il team:"In passato ci siamo affidati al genio e al duro lavoro degli scienziati per scoprire nuova fisica. Qui il team ha potenzialmente voltato pagina nelle indagini scientifiche dotando macchine con la capacità di imparare dagli esperimenti e scoprire nuova fisica . Le conseguenze potrebbero essere davvero di vasta portata."

Il prossimo passo per la ricerca è estendere l'algoritmo per esplorare sistemi più grandi, e diverse classi di modelli quantistici che rappresentano diversi regimi fisici o strutture sottostanti.