אימון האינטראקציות הפרמטריות ברשת עצבית קוואנטית בוזונית אנלוגית עם מדידת בסיס פוק

למידה חכמה עם גלי קוואנטום

האינטליגנציה המלאכותית המודרנית פועלת על רשתות עצביות המורכבות מטרנזיסטורים וקוד דיגיטלי. המחקר הזה בוחן כיצד סוג חומרה שונה מאוד, בנוי משדות אלקטרומגנטיים רוטטים זעירים הצייתים לחוקי הקוואנטום, יכול להיות מאומן לזהות תבניות בנתונים. העבודה מציגה כיצד לתכנן ולאמן רשת עצבית קוואנטית כזו בצורה מעשית, כך שתוכל בסופו של דבר לסייע בעיבוד מידע ישירות בתוך מכונות קוואנטיות עתידיות.

מוח קוואנטי מסוג חדש

המחברים מתמקדים במערכות העשויות מתרגושים דמויי אור, הנקראים בוזונים, המאוחסנים במנודות מיקרוגל או אופטי. מנודות אלה יכולות להחליף אנרגיה וליצור זוגות חלקיקים כאשר הן מונעות על־ידי אותות חיצוניים. לבדן, אינטראקציות אלה מתוארות על ידי משוואות ליניאריות, שלרוב פשוטות מדי כדי לבצע למידה עוצמתית. הטריק המרכזי כאן הוא להשאיר את האבולוציה הפיזיקלית ליניארית אבל לקרוא את המערכת בעזרת ספירת פוטונים, שמייצרת באופן טבעי תגובות לא־ליניאריות. על ידי בחירה זהירה של אופן הניע והקישור של המנודות, המתקן הקוואנטי מתפקד כמו רשת עצבית אנלוגית שממפה נתוני כניסה לתכונות יציאה שימושיות.

להשאיר למחשב קלאסי את החלק הקשה

אימון רשתות עצביות רגילות נשען על שיטת ה־backpropagation, שמכיילת פרמטרים ביעילות על ידי עקיבת מדרונים של פונקציית האובדן. יישום ישיר של הרעיון הזה על מערכת קוואנטית גדולה הוא בדרך כלל בלתי אפשרי, כי סימולציה של הדינמיקה המלאה שלה הופכת במהירות לבלתי ניתנת לחישוב. החידוש בעבודה זו הוא ניצול המבנה המיוחד של מה שנקרא מצבים גאוסיים, שבהם האבולוציה של הערכים הממוצעים והתנודות ניתנת לתיאור קומפקטי. החומרה הקוואנטית תבצע את שלב ה־forward, את אבולוציית השדות הפיזיקליים, בעוד שמודל קלאסי של אותה דינמיקה גאוסית, שנוח לסימולציה, ישמש לחישוב המדרונים. אסטרטגיה היברידית זו מאפשרת אימון מקצה־לקצה של חוזק ההנעה והקישורים הפיזיקליים מבלי צורך לחלץ מידע על מדרונים מהמתקן הקוואנטי עצמו.

להדריך את המתקן לזהות תבניות

כדי לבדוק את הגישה שלהם, החוקרים מדמים מספר משימות למידה בעלות קושי עולה. תחילה הם מבקשים מרשת קטנה בת שתי מנודות להבחין בין גלי סינוס וגלים מרובעים המוצגים כסדרות זמן קצרות. על ידי מדידת ההסתברות שמנודה אחת מכילה אפס פוטונים לאחר כל קלט בלבד, ושימוש באימון מבוסס מדרון על הפרמטרים הפיזיקליים, המודל מגיע למיון מושלם. בהשוואה לגירסת "מאגר" לא מאומנת של אותה חומרה, שמשתמשת בהרבה קריאות יציאה, הרשת המאומנת זקוקה להרבה פחות מדידות והרבה פחות ניסויים כדי להגיע לאותה דיוק.

למצוא את הדרך הטובה ביותר להזין נתונים

הצוות חוקר אחר כך בעיה קשה קלאסית שבה נקודות צריכות להיות משויכות לאחד משני ספירלות המתלפפות במישור. משימה זו דורשת לא־ליניאריות חזקה. באמצעות ארבע מנודות מקושרות הם משווים כמה שיטות להצפנת שני הקואורדינטות של הקלט לתוך השליטה הפיזית, כגון המשרעת או הפאזה של טוני הנהיגה ושל תהליכי הקישור השונים. הם מוצאים שהטמעת הנתונים בעוצמה או בפאזה של אינטראקציה מיוחדת שיוצרת זוגות פוטונים משפיעה במיוחד חזק, ומאפשרת מיון מושלם תוך קריאת הסתברות פוטון אחת בלבד. בחירות הצפנה אחרות זקוקות להרבה יותר תוצאות מדידה, או שאינן מגיעות אף פעם לדיוק מלא. זה ממחיש כי האופן שבו הנתונים נכתבים למתקן הקוואנטי מעצב באופן משמעותי את ה־nonlinearity האפקטיבית שלו.

ממספרים ידניים למכשירים עתידיים

לבסוף, המחברים מתמודדים עם משימת זיהוי תמונה קטנה הכוללת ספרות כתובות ביד המיוצגות כגריד של 8 × 8 פיקסלים. עם שישה מנודות ותהליכי יצירת זוגות מרובים הם מזינים את הפיקסלים על פני מספר פרקי זמן, אסטרטגיה הדומה להצגת אותו מעגל קוואנטי שוב ושוב עם נתונים חדשים. לאחר אימון של כמה מאות פרמטרים פיזיקליים וקלאסיים, המודל ממיין ספרות שלא נראו בעבר עם דיוק של למעלה מ־97 אחוז תוך מדידת רק קבוצת תוצאות ספירת פוטונים צנועה. לעומת זאת, כאשר אותה חומרה משמשת כמאגר לא מאומן, הביצועים רוויים הרבה יותר נמוך גם עם יותר מדידות, מה שמדגיש את התועלת באופטימיזציה של האינטראקציות הפיזיקליות.

מדוע זה חשוב לטכנולוגיית קוואנטום

המחקר מדגים שרשתות הבנויות ממצבים בוזוניים המתפתחים ליניארית, בשילוב עם ספירת פוטונים לא־ליניארית, יכולות להיות גם בעלות הבעה עשירה וגם ניתנות לאימון באמצעות כלים מוכרים של מדרון. אף על פי שהעבודה הנוכחית נשענת על סימולציה קלאסית להנחיית האימון ולכן מוגבלת בגודל, המרכיבים הבסיסיים מתאימים היטב לפלטפורמות מוליכיות־על ופוטוניות קיימות שכבר תומכות בקישור פרמטרי ניתן לכוונון. זה פותח מסלול מציאותי לעבר חומרת קוואנטום שלא רק מעבדת מידע באופן קוואנטי אלא גם ניתנת לאימון כמו רשתות העצב הנוכחיות, ועשויה לשמש כחזית חכמה לחיישנים ומעבדי קוואנטום עתידיים.

ציטוט: Dudas, J., Carles, B., Gouzien, E. et al. Training the parametric interactions in an analog bosonic quantum neural network with Fock basis measurement. Sci Rep 16, 14997 (2026). https://doi.org/10.1038/s41598-026-45038-7

מילות מפתח: רשתות עצביות קוואנטיות, מצבים בוזוניים, דינמיקה גאוסית, מונה פוטונים, למידת מכונה קוואנטית