fr.wedoany.com Rapport : Une équipe de recherche composée de membres de Quandela, du Centre de physique théorique de l'Académie polonaise des sciences (Center for Theoretical Physics of the Polish Academy of Sciences) et de l'Université de Varsovie (University of Warsaw) a démontré expérimentalement une architecture d'apprentissage automatique quantique physique évolutive. Ce projet est soutenu par le programme exploratoire QUONDENSATE du plan Horizon Europe de l'Union européenne. L'équipe a utilisé une unité de traitement quantique photonique programmable en silicium excitée par des états à photon unique pour exécuter simultanément des tâches de classification d'apprentissage automatique classique et de traitement de l'information quantique.
Ce matériel surmonte le goulot d'étranglement de l'expansion exponentielle dans la caractérisation des états quantiques en utilisant une seule base de mesure fixe pour effectuer une tomographie complète des états quantiques et un suivi de l'intrication multimode. Le dispositif expérimental est basé sur le principe physique du réservoir de calcul quantique et est configuré en réseau de traitement de réservoir quantique. Le « réservoir » non entraîné est constitué d'une grille d'interféromètres Bell-Walmsley intégrés sur une puce en silicium, comprenant un réseau dense de guides d'ondes optiques, de coupleurs de modes et de déphaseurs thermo-optiques à commande thermique.
Lors du traitement de l'information, des impulsions de photons uniques générées par des points quantiques semi-conducteurs intégrés dans des cavités micropiliers sont acheminées via un démultiplexeur actif à 12 modes, puis injectées en tant que multimodes non classiques dans la puce QPU Belenos à 24 modes de Quandela. Lorsque les photons traversent un réseau d'interféromètres Mach-Zehnder programmables (MZI), ils subissent des transformations complexes pilotées par interférence quantique. L'état de sortie est cartographié par des détecteurs résolus en nombre de photons (PNR) à résolution de polarisation, associés à un corrélateur électronique. Le système construit un vecteur de caractéristiques à 15 éléments à partir de la distribution de probabilité de coïncidence multiphotonique, contournant la limitation binaire des détecteurs à seuil standard.
Cette plateforme de traitement de réservoir quantique a été comparée à un dispositif standard de résolution du nombre de photons pour effectuer une tomographie d'état quantique sur une matrice de densité mixte à deux photons multimodes. La tomographie d'état quantique traditionnelle nécessite des mesures exponentielles sur plusieurs bases de mesure, tandis que ce cadre utilise une seule matrice de transformation unitaire aléatoire fixe pour mapper les corrélations quantiques multimodes en caractéristiques de comptage de photons traçables. L'architecture de traitement de réservoir quantique exécutée par le matériel a atteint une fidélité moyenne de 0,820 sur l'ensemble de données de test, surpassant la référence de résolution du nombre de photons de base de 0,747, qui ne peut pas résoudre les cohérences de phase non diagonales en raison de l'absence d'interférence optique. À partir de la matrice de densité reconstruite, le logiciel a extrait trois mesures quantiques : la pureté, l'entropie de von Neumann et la négativité (une mesure stricte de l'intrication quantique).
L'équipe a tracé les caractéristiques de mise à l'échelle du circuit, démontrant que la dimension de l'espace de caractéristiques nécessaire évolue de manière quadratique avec le nombre de modes de l'état cible, établissant ainsi un plan pour la caractérisation multimodale plus grande, comme pour 3 modes (45 paramètres indépendants). Pour étendre la plateforme au traitement de données classiques, les chercheurs ont cartographié une tâche de classification binaire non linéaire de points de données entrelacés en forme de spirale sur le processeur Ascella à 12 modes de Quandela. L'équipe a conçu un cadre de formation par simulation informatique tenant compte du matériel, injectant des matrices de perturbation unitaires aléatoires et spécifiques à l'échantillon, contenant des fluctuations locales, dans la matrice de réservoir simulée idéale pendant la boucle d'optimisation de la couche de lecture logicielle. Après avoir exécuté la boucle d'optimisation avec une amplitude de perturbation correspondant à l'erreur de compilation de la puce physique, le matériel physique a atteint une précision de classification expérimentale d'environ 79,7 %, surpassant le réseau de simulation classique idéal traitant des entrées d'états cohérents et des comptages d'intensité moyenne.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
