Kvantberäkning och kvantavkänning har potential att bli mycket kraftfullare än sina klassiska motsvarigheter. Inte bara kunde en fullt realiserad kvantdator ta bara några sekunder att lösa ekvationer som skulle ta en klassisk dator tusentals år, men det kan ha oberäkneliga effekter på områden som sträcker sig från biomedicinsk avbildning till autonom körning.

Dock, tekniken är inte riktigt där ännu.

Faktiskt, trots utbredda teorier om kvantteknikens långtgående påverkan, mycket få forskare har kunnat visa, använder den tillgängliga tekniken nu, att kvantmetoder har en fördel jämfört med sina klassiska motsvarigheter.

I ett papper publicerat den 1 juni i tidningen Fysisk granskning X , Forskare från University of Arizona visar experimentellt att kvant har en fördel jämfört med klassiska datorsystem.

"Att visa en kvantfördel är ett efterlängtat mål i samhället, och väldigt få experiment har kunnat visa det, "sade pappers medförfattare Zheshen Zhang, biträdande professor i materialvetenskap och teknik, huvudutredare för UArizona Quantum Information and Materials Group och en av tidningens författare. "Vi försöker visa hur vi kan utnyttja den kvantteknologi som redan finns för att gynna verkliga applikationer."

Hur (och när) Quantum fungerar

Kvantberäkning och andra kvantprocesser förlitar sig på små, kraftfulla enheter av information som kallas qubits. De klassiska datorer vi använder idag fungerar med informationsenheter som kallas bitar, som finns antingen 0s eller 1s, men qubits kan existera i båda delstaterna samtidigt. Denna dualitet gör dem både kraftfulla och ömtåliga. De känsliga qubiterna är benägna att kollapsa utan förvarning, att göra en process som kallas felkorrigering - som tar upp sådana problem som de händer - mycket viktigt.

Kvantfältet är nu i en era som John Preskill, en känd fysiker från California Institute of Technology, kallad "bullrig mellanliggande kvantum, "eller NISQ. Under NISQ -eran, kvantdatorer kan utföra uppgifter som bara kräver cirka 50 till några hundra qubits, fast med en betydande mängd buller, eller störningar. Mer än så och bullret överväger användbarheten, får allt att kollapsa. Det är allmänt trott att 10, 000 till flera miljoner qubits skulle behövas för att genomföra praktiskt användbara kvantapplikationer.

Tänk att uppfinna ett system som garanterar att varje måltid du lagar kommer att bli perfekt, och sedan ge det systemet till en grupp barn som inte har rätt ingredienser. Det kommer att bli bra om några år, när barnen blivit vuxna och kan köpa vad de behöver. Men tills dess, systemets användbarhet är begränsad. Liknande, tills forskare avancerar inom felkorrigering, som kan minska ljudnivån, kvantberäkningar är begränsade till en liten skala.

Förträngningsfördelar

Experimentet som beskrivs i tidningen använde en blandning av både klassisk och kvantteknik. Specifikt, den använde tre sensorer för att klassificera den genomsnittliga amplituden och vinkeln för radiofrekvenssignaler.

Sensorerna var utrustade med en annan kvantresurs som kallas förträngning, vilket gör att de kan dela information med varandra och ger två stora fördelar:För det första, det förbättrar sensornas känslighet och minskar fel. Andra, eftersom de trasslar in sig, sensorerna utvärderar globala egenskaper snarare än att samla in data om specifika delar av ett system. Detta är användbart för applikationer som bara behöver ett binärt svar; till exempel, inom medicinsk bildbehandling, forskare behöver inte veta om varenda cell i ett vävnadsprov som inte är cancer - bara om det finns en cell som är cancerös. Samma koncept gäller för att upptäcka farliga kemikalier i dricksvatten.

Experimentet visade att utrustning av sensorerna med kvantinvikling gav dem en fördel jämfört med klassiska sensorer, minska sannolikheten för fel med en liten men kritisk marginal.

"Denna idé om att använda intrassling för att förbättra sensorer är inte begränsad till en specifik typ av sensorer, så den kan användas för en rad olika applikationer, så länge du har utrustningen för att trassla in sensorerna, "sade studieförfattaren Quntao Zhuang, biträdande professor i el- och datorteknik och huvudutredare för Quantum Information Theory Group "I teorin, du kan överväga applikationer som lidar (Light Detection and Ranging) för självkörande bilar, till exempel."

Zhuang och Zhang utvecklade teorin bakom experimentet och beskrev det i ett Physical Review X -papper från 2019. De författade det nya papperet tillsammans med huvudförfattaren Yi Xia, doktorand vid James C. Wyant College of Optical Sciences, och Wei Li, en postdoktor inom materialvetenskap och teknik.

Qubit Classifiers

Det finns befintliga applikationer som använder en blandning av kvant och klassisk bearbetning under NISQ -eran, men de förlitar sig på redan existerande klassiska datamängder som måste konverteras och klassificeras i kvantområdet. Tänk att ta en serie bilder på katter och hundar, sedan ladda upp foton till ett system som använder kvantmetoder för att märka foton som antingen "katt" eller "hund".

Teamet hanterar märkningsprocessen från en annan vinkel, genom att använda kvantsensorer för att samla in sina egna data i första hand. Det är mer som att använda en specialiserad kvantkamera som märker fotona som antingen "hund" eller "katt" när fotona tas.

"Många algoritmer överväger data som lagras på en datordisk, och sedan konvertera det till ett kvantsystem, som tar tid och ansträngning, "Zhuang sa." Vårt system fungerar på ett annat problem genom att utvärdera fysiska processer som sker i realtid. "

Teamet är glada över framtida tillämpningar av deras arbete i skärningspunkten mellan kvantavkänning och kvantberäkning. De föreställer sig till och med en dag att integrera hela sin experimentella installation på ett chip som kan doppas i ett biomaterial eller vattenprov för att identifiera sjukdomar eller skadliga kemikalier.

"Vi tror att det är ett nytt paradigm för både kvantberäkning, kvantmaskininlärning och kvantsensorer, eftersom det verkligen skapar en bro för att koppla samman alla dessa olika domäner, "Sa Zhang.