Международная группа ученых под руководством Мауро Патерностро из Университета Палермо и Университета Белфаста применила методы машинного обучения для точной характеризации поляризационных состояний одиночных фотонов. Работа опубликована в Physical Review Letters.
Исследователям удалось быстро и с высокой точностью восстанавливать поляризацию фотонов, первоначально закодированную в этой степени свободы, преобразуя ее в пространственные моды с помощью системы волноводов и двулучепреломляющих кристаллов.
Ключевую роль в эксперименте сыграл протокол экстремального машинного обучения, позволивший обучить нейросеть распознавать поляризацию по пространственным модам всего за 1500 измерений. Такое ускорение стало возможным благодаря использованию всего одного скрытого слоя в архитектуре нейросети.
По словам авторов, их метод имеет ряд преимуществ перед стандартными томографическими подходами, требующими тщательной калибровки оборудования. Измерения поляризации с помощью обученной нейросети устойчивы к шумам и позволяют восстанавливать квантовое состояние без глубокого анализа всей оптической системы.
"Мы продемонстрировали, что машинное обучение способно эффективно характеризовать квантовые системы, значительно упрощая работу экспериментаторов. Этот подход будет полезен для диагностики фотонных схем квантовых вычислений", - прокомментировал Патерностро.
Разработка новых методов измерения и управления квантовыми состояниями является одной из актуальных задач в области квантовых технологий. Применение машинного обучения может внести существенный вклад в ее решение.
]]>
