Výrazně zpřesnit a zefektivnit testy kvantové provázanosti, která hraje důležitou roli například v konstrukci kvantových počítačů, se pomocí zapojení umělé inteligence podařilo vědcům ze Společné laboratoře optiky, společného pracoviště Univerzity Palackého a Fyzikálního ústavu Akademie věd ČR. Výsledky jejich výzkumu byly nedávno publikovány v prestižním časopise Physical Review Research.
Entanglement neboli kvantová provázanost je pozoruhodný jev kvantové mechaniky. Vědci o kvantové provázanosti hovoří v případě, kdy je kvantový stav dvou a více částic propojen bez ohledu na jejich vzájemnou vzdálenost. Pokud pak odborníci zjistí určitou informaci o jedné částici, tak zároveň získají údaj i o druhé. Tato vlastnost fascinuje vědce od 20. let minulého století, kdy se stala předmětem vědeckého sporu mezi Albertem Einsteinem a Nielsem Bohrem.
V současné době se kvantová provázanost stala stavebním kamenem mnoha kvantově-informačních protokolů a algoritmů. Dala vzniknout kvantové teleportaci, kvantové kryptografii a na jejím základě vznikl i Shorův algoritmus. „Testy zaměřené na kvantovou provázanost jsou proto důležité. Přesné detekční metody jsou díky tomu velmi žádané," uvedl Vojtěch Trávníček ze Společné laboratoře optiky.
Informaci odborníci zapisují do kvantových částic jako je elektron nebo foton. Částice se poté dostanou do určitého kvantového stavu. Soubor těchto částic může být v kvantovém stavu, který lze označit jako provázaný, nebo naopak může být ve stavu separabilním - tedy v neprovázaném. Umět rozlišovat mezi těmito dvěma základními možnostmi je proto v kvantové informatice klíčové.
„Konvenční testy kvantové provázanosti jsou konstruovány tak, aby nikdy neoznačily stav separabilní jako provázaný. Tudíž jsou, alespoň teoreticky, perfektně selektivní. To je sice dobře, je to však za cenu snížené sensitivity testů, neboli jejich schopnosti odhalit co možná největší počet provázaných stavů," podotkl Vojtěch Trávníček.
Vědci si proto položili otázku, zda snížením nároků na co nejlepší selektivitu testů dokážou zvýšit jejich citlivost. Díky tomu by pak odhalili mnohem více kvantově provázaných částic. „K tomuto účelu jsme použili neuronové sítě a strojové učení a natrénovali jsme modelový test, který dokáže provázanost odhalovat. Můžeme tak měnit poměr mezi sensitivitou a selektivitou a také měnit počet měření použitých pro detekci provázanosti,“ doplnil fyzik.
Vědcům z katedry se pak pomocí malého snížení selektivity testu podařilo výrazně zvýšit jejich sensitivitu. A díky tomu dokázali odhalit mnohem více provázaných stavů kvantových částic než použítím konvenčních testů. „Navíc lze tento poměr jednoduše měnit a najít tak optimální nastavení pro danou aplikaci. Tématem použití umělé inteligence pro detekci provázanosti se nadále zabýváme a již nyní máme velmi slibné výsledky,“ dodal Vojtěch Trávníček.