Машинное обучение помогло восстановить поляризацию фотона. Превратив ее в пространственную моду
Друзья, с момента основания проекта прошло уже 20 лет и мы рады сообщать вам, что сайт, наконец, переехали на новую платформу.
Какое-то время продолжим трудится на общее благо по адресу
На новой платформе мы уделили особое внимание удобству поиска материалов.
Особенно рекомендуем познакомиться с работой рубрикатора.
Спасибо, ждём вас на N-N-N.ru
Физики применили методы машинного обучения для настройки и характеризации оптической квантовой системы. Им удалось быстро и точно восстановить поляризационное состояние фотона, которое они превращали в пространственное для простоты измерения.
Работа опубликована в Physical Review Letters.
Машинное обучение по-разному внедряется в квантовые технологии. Так, существуют гибридные квантовые алгоритмы, которые используют классические алгоритмы машинного обучения для решения квантовых задач — мы подробно писали о них в материале «Разминка для кубита». Иногда такие алгоритмы даже называют квантовым машинным обучением.
С другой стороны, нейросети могут успешно помогать экспериментаторам. Особенно в тех случаях, когда нужно настраивать сложную систему, не вникая в то, как она работает, а смотря только на конечный результат.
Например, физики используют алгоритмы машинного обучения для проведения квантовой томографии — то есть характеристики квантового состояния, которая очень важна в фотонных вычислениях. Или для подбора оптимальных параметров создания конденсата Бозе—Эйнштейна в атомных вычислениях, как сделали ученые тут.
Физики под руководством Мауро Патерностро (Mauro Paternostro) из Университета Палермо и Государственного университета в Белфасте реализовали протокол экстремального машинного обучения на фотонной платформе для достижения эффективного и точного описания состояния поляризации фотона.
- Источник(и):
- Войдите на сайт для отправки комментариев