Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Einem Computer Quantenphysik beibringen

27.02.2018

Ein von ETH-Physikern geleitetes internationales Forschungsteam hat mithilfe von maschinellem Lernen einem Computer beigebracht, die Ergebnisse von Quanten-Experimenten vorherzusagen. Die Resultate könnten für das Testen zukünftiger Quantencomputer wichtig werden.

Physikstudenten verbringen viele Jahre damit, die oft absurd erscheinenden Gesetze und Effekte der Quantenmechanik zu beherrschen. Der Quantenzustand eines physikalischen Systems kann, zum Beispiel, so lange unbestimmt sein, bis man ihn misst, und eine Messung an einem Teil des Systems kann den Zustand eines weit entfernten Teils beeinflussen, ohne dass zwischen den beiden Informationen ausgetauscht werden.


Mithilfe neuronaler Netze brachten Physiker einem Computer bei, Ergebnisse von Quanten-Experimenten vorherzusagen.

Copyright: www.colourbox.com

Das ist alles schon verwirrend genug. Doch die Probleme gehen weiter, wenn die Studenten ihren Abschluss machen und mit der Forschung beginnen: Um den Zustand eines Quantensystems im Experiment exakt zu bestimmen, muss man diesen Zustand erst sorgfältig präparieren und dann viele Messungen an ihm durchführen, immer und immer wieder. Sehr oft kann man das, woran man interessiert ist, nicht einmal direkt messen.

Ein internationales Forscherteam unter Leitung von Giuseppe Carleo, Oberassistent am Institut für Theoretische Physik der ETH Zürich, hat nun eine Software für maschinelles Lernen entwickelt, mit deren Hilfe ein Computer den Quantenzustand eines komplexen physikalischen Systems aufgrund experimenteller Beobachtungen «lernen» und die Ergebnisse hypothetischer Messungen vorhersagen kann. In Zukunft könnten solche Computerprogramme dazu verwendet werden, die Genauigkeit von Quantencomputern zu testen.

Quantenphysik und Handschriften

Das Prinzip seines Ansatzes, erklärt Carleo, ist recht simpel. Er benutzt einen intuitiven Vergleich, der die komplizierten Details der Quantenmechanik elegant umschifft: «Was wir machen ist, grob gesagt, in etwa so, als würden wir einem Computer beibringen, meine Handschrift zu imitieren. Dazu zeigen wir ihm eine Reihe von Schriftproben, aus denen er dann nach und nach lernt, meine a’s, l’s und so weiter nachzuahmen.»

Der Computer schafft das, indem er sich beispielsweise die Schreibweisen für ein «l» ansieht, das auf ein «a» folgt. Diese Schreibweisen sind nicht immer gleich, weshalb der Computer eine Wahrscheinlichkeitsverteilung berechnet, die mathematisch ausdrückt, wie oft ein Buchstabe auf eine bestimmte Art geschrieben wird, wenn ihm ein anderer Buchstabe vorausgeht. «Sobald der Computer diese Verteilung herausgefunden hat, könnte er damit etwas reproduzieren, das meiner Handschrift sehr ähnlich sieht», sagt Carleo.

Die Quantenphysik ist natürlich viel komplizierter als die Handschrift einer Person. Dennoch ist das Prinzip, das Carleo (der vor Kurzem an das Flatiron Institute in New York gewechselt ist) zusammen mit Matthias Troyer, Guglielmo Mazzola (beide an der ETH) und Giacomo Torlai von der Universität Waterloo sowie Kollegen vom Perimeter Institute und der Firma D-Wave in Kanada für ihren Maschinenlern-Algorithmus benutzt haben, ziemlich ähnlich.

Der Quantenzustand des physikalischen Systems wird in einem so genannten neuronalen Netz kodiert, und das Lernen geschieht in kleinen Schritten, indem der aktuelle Zustand des Netzes in zu erwartende Messwahrscheinlichkeiten übersetzt wird. Diese Wahrscheinlichkeiten werden dann mit den echten Messdaten verglichen, und das Netz wird daraufhin so angepasst, dass die Übereinstimmung in der nächsten Runde besser wird. Wenn diese Übungsphase abgeschlossen ist, kann man den im neuronalen Netz gespeicherten Quantenzustand für «virtuelle» Experimente verwenden, ohne diese tatsächlich im Labor durchzuführen.

Schnellere Tomographie für Quantenzustände

«Maschinelles Lernen zur Rekonstruktion von Quantenzuständen aus Messergebnissen zu verwenden, hat eine Reihe von Vorteilen», erklärt Carleo. Er führt ein eindrucksvolles Beispiel an, in dem der Quantenzustand von nur acht zusammenhängenden Quantensystemen (gefangenen Ionen) experimentell bestimmt werden sollte.

Mit einem als Quantentomographie bekannten Standardverfahren waren in etwa eine Million Messungen nötig, um die gewünschte Genauigkeit zu erreichen. Die neue Methode dagegen schaffte das mit wesentlich weniger Messungen, und zudem konnten auch deutlich grössere Systeme untersucht werden, die vorher nicht zugänglich waren.

Das ist vielversprechend, denn für gewöhnlich geht man davon aus, dass die Zahl an Rechenschritten, die man benötigt, um ein komplexes Quantensystem auf einem klassischen Computer zu simulieren, exponentiell mit der Zahl der Quantenobjekte im System ansteigt.

Der Hauptgrund dafür ist ein Phänomen namens Verschränkung, das dazu führt, dass weit voneinander entfernte Teile des Systems innig miteinander in Verbindung stehen, obwohl sie keine Informationen austauschen. Carleo und seine Kollegen verwenden eine Schicht aus «versteckten» Neuronen, um dies zu berücksichtigen. Dadurch schafft es der Computer, den korrekten Quantenzustand auf viel kompaktere Weise zu kodieren.

Tests für Quantencomputer

Die Möglichkeit Quantensysteme zu untersuchen, die aus vielen Komponenten – oder «Qubits», wie sie häufig genannt werden – bestehen, ist zudem für künftige Quantentechnologien von Bedeutung, wie Carleo betont: «Wenn wir Quantencomputer testen wollen, die aus mehr als einer Handvoll an Qubits bestehen, werden wir das mit herkömmlichen Mitteln wegen der exponentiellen Skalierung nicht schaffen. Unser Ansatz über das maschinelle Lernen dagegen sollte es uns ermöglichen, Quantencomputer mit bis zu 100 Qubits zu testen.» Ausserdem kann die Maschinenenlern-Software Experimentalphysikern helfen, indem sie es ihnen erlaubt, virtuelle Messungen durchzuführen, die im Labor nur sehr schwierig zu realisieren wären.

Ein Beispiel dafür ist der Verschränkungsgrad eines Systems, das aus vielen miteinander wechselwirkenden Qubits besteht. Bislang ist die Methode nur an künstlich erzeugten Daten getestet worden, aber die Forscher planen, sie schon bald für die Analyse von echten experimentellen Daten zu benutzen.

Literaturhinweis

Torlai G, Mazzola G, Carrasquilla J, Troyer M, Melko R, Carleo G: Neural-network quantum state tomography. Nature Physics (2018), published online 26th Feb 2018. doi: 10.1038/s41567-018-0048-5

Weitere Informationen:

https://www.ethz.ch/de/news-und-veranstaltungen/eth-news/news/2018/02/einem-comp...

Peter Rüegg | Eidgenössische Technische Hochschule Zürich (ETH Zürich)

Weitere Nachrichten aus der Kategorie Physik Astronomie:

nachricht Rätselhaftes IceCube-Ereignis könnte von Tau-Neutrino stammen
19.06.2018 | Johannes Gutenberg-Universität Mainz

nachricht Ein neues Experiment zum Verständnis der Dunklen Materie
14.06.2018 | Max-Planck-Institut für Radioastronomie

Alle Nachrichten aus der Kategorie: Physik Astronomie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Überdosis Calcium

Nanokristalle beeinflussen die Differenzierung von Stammzellen während der Knochenbildung

Wissenschaftlerinnen und Wissenschaftler der Universitäten Freiburg und Basel haben einen Hauptschalter für die Regeneration von Knochengewebe identifiziert....

Im Focus: Overdosing on Calcium

Nano crystals impact stem cell fate during bone formation

Scientists from the University of Freiburg and the University of Basel identified a master regulator for bone regeneration. Prasad Shastri, Professor of...

Im Focus: AchemAsia 2019 in Shanghai

Die AchemAsia geht in ihr viertes Jahrzehnt und bricht auf zu neuen Ufern: Das International Expo and Innovation Forum for Sustainable Chemical Production findet vom 21. bis 23. Mai 2019 in Shanghai, China statt. Gleichzeitig erhält die Veranstaltung ein aktuelles Profil: Die elfte Ausgabe fokussiert auf Themen, die für Chinas Prozessindustrie besonders relevant sind, und legt den Schwerpunkt auf Nachhaltigkeit und Innovation.

1989 wurde die AchemAsia als Spin-Off der ACHEMA ins Leben gerufen, um die Bedürfnisse der sich damals noch entwickelnden Iindustrie in China zu erfüllen. Seit...

Im Focus: AchemAsia 2019 will take place in Shanghai

Moving into its fourth decade, AchemAsia is setting out for new horizons: The International Expo and Innovation Forum for Sustainable Chemical Production will take place from 21-23 May 2019 in Shanghai, China. With an updated event profile, the eleventh edition focusses on topics that are especially relevant for the Chinese process industry, putting a strong emphasis on sustainability and innovation.

Founded in 1989 as a spin-off of ACHEMA to cater to the needs of China’s then developing industry, AchemAsia has since grown into a platform where the latest...

Im Focus: Li-Fi erstmals für das industrielle Internet der Dinge getestet

Mit einer Abschlusspräsentation im BMW Werk München wurde das BMBF-geförderte Projekt OWICELLS erfolgreich abgeschlossen. Dabei wurde eine Li-Fi Kommunikation zu einem mobilen Roboter in einer 5x5m² Fertigungszelle demonstriert, der produktionsübliche Vorgänge durchführt (Teile schweißen, umlegen und prüfen). Die robuste, optische Drahtlosübertragung beruht auf räumlicher Diversität, d.h. Daten werden von mehreren LEDs und mehreren Photodioden gleichzeitig gesendet und empfangen. Das System kann Daten mit mehr als 100 Mbit/s und fünf Millisekunden Latenz übertragen.

Moderne Produktionstechniken in der Automobilindustrie müssen flexibler werden, um sich an individuelle Kundenwünsche anpassen zu können. Forscher untersuchen...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Hengstberger-Symposium zur Sternentstehung

19.06.2018 | Veranstaltungen

LymphomKompetenz KOMPAKT: Neues vom EHA2018

19.06.2018 | Veranstaltungen

Simulierter Eingriff am virtuellen Herzen

18.06.2018 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

Rätselhaftes IceCube-Ereignis könnte von Tau-Neutrino stammen

19.06.2018 | Physik Astronomie

Automatisierung und Produktionstechnik – Wandlungsfähig – Präzise – Digital

19.06.2018 | Messenachrichten

Überdosis Calcium

19.06.2018 | Medizin Gesundheit

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics