Skalowalny algorytm rozwiązywania konfliktów w problemie bandyty przy użyciu układu optyki kwantowej

Światło, które pomaga nam współdzielić bez kolizji

Wiele współczesnych technologii, od sieci Wi‑Fi po reklamy internetowe, musi równocześnie obsługiwać wielu użytkowników, którzy chcą tej samej najlepszej opcji. Gdy dwie osoby lub urządzenia nieświadomie wybiorą to samo, wchodzą sobie w drogę i wszystkim idzie gorzej. Artykuł pokazuje, jak starannie zaprojektowana wiązka światła kwantowego może pełnić rolę bezstronnego arbitra, dyskretnie kierując dwóch niezależnych decydentów ku dobrym wyborom i zapobiegając jednoczesnemu wyborowi tej samej opcji — bez żadnej bezpośredniej komunikacji między nimi.

Wybory, nagrody i problem tłoku

Inżynierowie często modelują powtarzające się podejmowanie decyzji za pomocą ram „wieloramiennego bandyty”, inspirowanych rzędami jednorękich bandytów. Każda opcja daje nagrodę z pewnym ukrytym prawdopodobieństwem, więc gracz musi balansować między eksploracją różnych opcji, by się ich nauczyć, a eksploatacją tych, które wydają się najlepsze. Wyzwaniem staje się to znacznie trudniejsze, gdy kilku graczy ma do wyboru te same opcje i każdy chce tych o wysokiej wypłacie. Jeśli wybiorą tę samą opcję jednocześnie, muszą się nią dzielić. Sytuacja ta, nazywana konkurencyjnym problemem wieloramiennego bandyty, odzwierciedla rzeczywiste zadania, takie jak przydzielanie częstotliwości radiowych urządzeniom bezprzewodowym czy alokacja serwerów do ruchu danych, gdzie zbyt wielu użytkowników na tym samym kanale szkodzi wszystkim.

Wykorzystanie skręconego światła jako wspólnego silnika decyzji

Autorzy proponują rozwiązanie wykorzystujące pojedyncze fotony — cząstki światła — których wzory falowe kręcą się jak drobne korkociągi, cecha znana jako moment pędu orbitalnego. Ponieważ te skręcone wzory świetlne można rozróżniać i teoretycznie oferują wiele odrębnych „modów”, stanowią szerokie menu znaczników odpowiadających różnym wyborom. W zaproponowanym układzie źródło generuje parę powiązanych fotonów, które są kierowane do dwóch odrębnych graczy przez układ luster i dzielników wiązki. Każdy gracz przepuszcza swój foton przez programowalne urządzenie kształtujące jego skręcony wzór, tak że jasność każdego modu odzwierciedla, jak bardzo dany gracz obecnie preferuje daną opcję, na podstawie własnych wcześniejszych zwycięstw i porażek.

Interferencja kwantowa zapobiegająca kolizjom

Po ustawieniu wzorów para fotonów spotyka się na dzielniku wiązki, gdzie zachodzi interferencja kwantowa: połączone fale świetlne mogą się wzmacniać lub znosić w zależności od ich względnych skrętów i faz. Badacze pokazują, jak dostosować ukryte kąty fazowe światła, tak by zawsze, gdy dwa fotony wychodzą różnymi ścieżkami wyjściowymi, miały gwarantowanie różne wartości skrętu. Każdy gracz następnie mierzy bezwzględną ilość skrętu swojego fotonu i interpretuje tę wartość jako konkretną opcję do wyboru. Dzięki interferencji nigdy nie otrzymują tej samej instrukcji, gdy oba fotony zostaną pomyślnie wykryte. W efekcie sama fizyka światła wymusza zasadę braku kolizji, coś, czego nie da się odtworzyć przy użyciu zwykłego, klasycznego światła.

Uczenie się przy skalowaniu do wielu opcji

System optyczny jest sprzężony z prostą regułą uczenia, która stopniowo przesuwa każdego gracza od szerokiej eksploracji w kierunku faworyzowania lepiej płacących opcji w wielu rundach. Co istotne, w przeciwieństwie do wcześniejszych schematów optycznych polegających na ściemnianiu światła, by zakodować preferencje — co marnowało coraz więcej fotonów wraz ze wzrostem liczby opcji — to rozwiązanie osadza preferencje bezpośrednio w wzorze skrętu każdego fotonu. Autorzy analizują, jak często fotony wychodzą oddzielnymi ścieżkami, jak blisko uzyskane wybory odpowiadają zamierzonym wzorom preferencji graczy oraz ile „żalu” się kumuluje, czyli utraconej nagrody w porównaniu z idealną strategią. W dużych symulacjach komputerowych z pięcioma i dziesięcioma opcjami ich metoda systematycznie osiągała wyższe nagrody, szybciej się adaptowała i była mniej wrażliwa na ustawienia niż wcześniejsze podejście.

Co to oznacza dla systemów rzeczywistych

Poza wynikami matematycznymi podejście sugeruje nowy rodzaj sprzętu, w którym światło wykonuje część „myślenia”. Ponieważ koordynacja zachodzi fizycznie poprzez interferencję, a nie przez cyfrowe komunikaty, dwa urządzenia mogą unikać wzajemnego kolidowania bez ujawniania swoich wewnętrznych priorytetów. Autorzy argumentują, że taki bezkonfliktowy, o dużej przepustowości i zachowujący prywatność silnik decyzyjny mógłby kiedyś zostać wbudowany w łącza optyczne w centrach danych lub w systemy radiowe, które muszą szybko przejmować wolne kanały przy minimalnej komunikacji. Choć obecna praca została zademonstrowana w symulacji dla dwóch graczy, pokazuje, jak osobliwości optyki kwantowej można wykorzystać do rozwiązywania złożonych zadań związanych z uczeniem i koordynacją w sposób, którego standardowa elektronika nie potrafi łatwo dorównać.

Cytowanie: Konaka, K., Röhm, A., Mihana, T. et al. Scalable conflict-free bandit algorithm using a quantum optical setup. npj Quantum Inf 12, 44 (2026). https://doi.org/10.1038/s41534-026-01201-6

Słowa kluczowe: optyka kwantowa, uczenie przez wzmacnianie, wieloramienny bandyta, moment pędu orbitalnego, fotoniczne podejmowanie decyzji