Eksperymentalna kontrola pamięci w ciągłowartościowym optycznym kwantowym obliczaniu rezerwuarowym

Nauka światła przewidywania przyszłości

Wiele z najtrudniejszych dzisiejszych problemów, od prognoz pogody po trendy finansowe, sprowadza się do wykrywania wzorców w danych rozwijających się w czasie. Ten artykuł opisuje sposób wykorzystania kwantowego światła jako swego rodzaju komputera analogowego, który „pamięta” poprzednie sygnały i uczy się przewidywać, co nastąpi dalej. Poprzez staranne kształtowanie impulsów laserowych i pomiar delikatnych kwantowych stanów światła, badacze budują nowy typ maszyny uczącej się, który w przyszłości może przetwarzać dane szybciej i wydajniej niż konwencjonalna elektronika.

Od sieci neuronowych do mózgów przypominających ciecz

Współczesne uczenie maszynowe często opiera się na głębokich sieciach neuronowych, które trzeba mozolnie trenować, dostosowując miliony wewnętrznych połączeń. Obliczanie rezerwuarowe oferuje oszczędniejszą drogę: zamiast trenować całą sieć, pozwala złożonemu systemowi fizycznemu reagować na strumień wejść, trenując jedynie prostą warstwę wyjściową do odczytywania tych reakcji. „Rezerwuar” może być czymkolwiek o bogatej wewnętrznej dynamice i pamięci. W tej pracy rezerwuarem jest samo światło. Zespół rozszerza obliczanie rezerwuarowe na świat kwantowy, gdzie pola świetlne zachowują się kolektywnie w sposób zarówno niezwykle czuły, jak i wyrazisty, co czyni je atrakcyjnymi do przetwarzania sygnałów zmiennych w czasie.

Budowanie kwantowego zbiornika światła

W centrum eksperymentu znajduje się laser wysyłający ultrakrótkie impulsy do nieliniowego kryształu i przewodnika falowego. W ich wnętrzu pojedyncze impulsy przekształcane są w wiele ściśle powiązanych składowych barwowych i czasowych, tworząc multimodowy „zbiornik” ścieśnionego i splątanego światła. Każdy tryb można traktować jako węzeł w sieci, a korelacje kwantowe działają jak połączenia między nimi. Poprzez kształtowanie spektrum i fazy impulsów napędowych, które inicjują ten proces, badacze mogą rekonfigurować siłę powiązań między trybami. Następnie używają czułej techniki pomiarowej, zwanej detekcją homodynową, aby odczytać wybrane kombinacje tych trybów, skutecznie wybierając sposób obserwacji stanu wewnętrznego sieci.

Wyposażenie światła w działającą pamięć

Aby maszyna ucząca się mogła obsługiwać szeregi czasowe, musi pamiętać niedawne wejścia, jednocześnie stopniowo zapominając odległą przeszłość. Zespół wprowadza sterowalną „zanikającą pamięć” poprzez sprzężenie wyników pomiarów z powrotem do układu optycznego w czasie rzeczywistym. Modulator elektrooptyczny dostosowuje fazę każdego nowego impulsu napędowego na podstawie zarówno bieżącego sygnału wejściowego, jak i poprzednich wyjść rezerwuaru. To sprzężenie zwrotne delikatnie kieruje kwantową siecią bez potrzeby przeprojektowywania jej połączeń. Nawet na podstawie zaledwie kilku zmierzonych wielkości pola świetlnego system wykazuje już bogatą, nieliniową odpowiedź na sterowanie fazą, którą autorzy mapują i wiernie odtwarzają za pomocą szczegółowego numerycznego „cyfrowego bliźniaka” eksperymentu.

Testowanie kwantowego rezerwuaru

Badacze sprawdzają swój optyczny rezerwuar szeregiem zadań testujących nieliniowość i pamięć. W jednym z benchmarków system ma wygenerować alternatywę wykluczającą (XOR) bieżącego i poprzedniego bitu w losowym strumieniu — klasyczny test, którego nie rozwiąże proste urządzenie liniowe. Dzięki kontroli fazy i sprzężeniu zwrotnemu rezerwuar osiąga około 98 procent poprawności przy zaledwie skromnej ilości danych treningowych. Następnie proszą go o przypomnienie wejść sprzed kilku kroków i kwantyfikują, jak pamięć zanika z opóźnieniem, pokazując, że wydajność poprawia się, gdy wiele kopii rezerwuaru działa równolegle. Idąc dalej, symulują prognozowanie sygnałów chaotycznych, takich jak generowane przez elektroniczny układ z podwójnym wirującym punktem, wykazując, że platforma kwantowa potrafi śledzić i przewidywać złożone oscylacje nawet w obecności realistycznego szumu.

Wykorzystanie mocy wielu trybów

Ponad proste przesunięcia fazy, zespół bada potężniejszą metodę kontroli: podział spektrum napędu na kilka segmentów i niezależne strojenie fazy każdego z nich. Ta „ogólna enkodacja” pozwala różnym częściom pola świetlnego niesć nieco odmienne wersje tego samego wejścia, drastycznie wzbogacając wewnętrzną aktywność rezerwuaru. W miarę zwiększania liczby mierzonych trybów optycznych obserwują wzrost mocy wyrazu systemu zgodny z korzystnym prawem skalowania matematycznego, co oznacza, że każdy nowy tryb wnosi autentycznie nową informację, a nie tylko powieloną kopię. Dzięki tej bogatszej enkodacji symulowany rezerwuar potrafi rozwiązywać bardziej wymagające zadania, takie jak sprawdzanie parzystości sekwencji przy dłuższych opóźnieniach i prognozowanie dynamiki chaotycznej, bez konieczności stosowania wielu oddzielnych fizycznych kopii.

Dlaczego to ma znaczenie dla przyszłych maszyn kwantowych

Dla osoby niebędącej specjalistą kluczowy przekaz jest taki, że autorzy pokazali, jak wyposażyć urządzenie optyczne kwantowe w regulowaną, działającą pamięć do danych strumieniowych i jak sterować nią za pomocą technologii działającej w temperaturze pokojowej. Ich platforma już konkuruje z bardziej tradycyjnymi systemami uczącymi na standardowych testach, przy użyciu jedynie niedrogiego treningu końcowego odczytu. Ponieważ zbudowana jest z komponentów kompatybilnych z większymi optycznymi komputerami kwantowymi, podejście to oferuje praktyczną ścieżkę ku maszynom, w których splątane światło pełni podwójną funkcję: zarówno wykonywania ogólnych operacji kwantowych, jak i szybkiej, bieżącej analizy sygnałów zależnych od czasu.

Cytowanie: Paparelle, I., Henaff, J., García-Beni, J. et al. Experimental memory control in continuous-variable optical quantum reservoir computing. Nat. Photon. 20, 413–420 (2026). https://doi.org/10.1038/s41566-026-01880-9

Słowa kluczowe: kwantowe obliczanie rezerwuarowe, optyczne uczenie maszynowe, prognozowanie szeregów czasowych, optyka kwantowa o zmiennych ciągłych, neuromorficzna fotonika