Fock tabanlı ölçümle parametrik etkileşimleri eğitmek: analog bosonik kuantum sinir ağı

Kuantum dalgalarıyla akıllı öğrenme

Günümüz yapay zekâsı, transistörler ve dijital koddan oluşan sinir ağları üzerinde çalışıyor. Bu çalışma, kuantum fiziğinin kurallarına uyan küçük titreşen elektromanyetik alanlardan inşa edilen çok farklı bir donanım türünün verideki desenleri tanımayı nasıl öğrenebileceğini inceliyor. Çalışma, böyle bir kuantum sinir ağını pratik bir şekilde tasarlama ve eğitme yöntemini gösteriyor; dolayısıyla gelecekteki kuantum makinelerinin içinde doğrudan bilgi işlemeye yardımcı olabilecek bir yol sunuyor.

Yeni bir tür kuantum beyni

Yazarlar, mikrodalga veya optik rezonatörlerde saklanan boson adı verilen ışık benzeri uyarımların oluşturduğu sistemlere odaklanıyor. Bu rezonatörler enerji alışverişi yapabilir ve dış sürümlerle tetiklendiğinde parçacık çiftleri yaratabilir. Kendi başına bu etkileşimler doğrusal denklemlerle tanımlanır ve genellikle güçlü öğrenme için çok basittir. Buradaki kilit yöntem, fiziksel evrimi doğrusal tutmak ama sistemi, doğal olarak doğrusal olmayan tepkiler üreten foton sayımıyla okumaktır. Rezonatörlerin nasıl sürüleceğini ve bağlanacağını dikkatle seçerek, kuantum aygıtı, girdileri faydalı çıkış özelliklerine eşleyen analog bir sinir ağı gibi davranır.

Zor kısmı klasik bilgisayara bırakmak

Geleneksel sinir ağlarının eğitimi, kayıp fonksiyonunun gradyanlarını izleyerek parametreleri verimli şekilde ayarlayan geri yayılım yöntemine dayanır. Bu fikri büyük bir kuantum sistemine doğrudan uygulamak genellikle imkânsızdır; çünkü tam dinamiklerini simüle etmek hızla hesaplanamaz hale gelir. Bu çalışmadaki yenilik, ortalama değerlerin ve dalgalanmaların evrimini kompakt biçimde tanımlayan sözde Gaussian durumların özel yapısından yararlanmaktır. Kuantum donanım ileri adımı, fiziksel alanları evriltme görevini gerçekleştirirken, aynı Gaussian dinamiklerinin kolayca simüle edilebilen klasik modeli gradyanları hesaplamak için kullanılır. Bu hibrit strateji, gradyan bilgisini kuantum cihazından çıkarmaya gerek kalmadan fiziksel sürücü kuvvetlerinin ve bağlantıların uçtan uca eğitilmesine izin verir.

Aygıtın desenleri tanımasını öğretmek

Yaklaşımlarını test etmek için araştırmacılar, zorluğu artan birkaç öğrenme görevinin simülasyonunu yapar. Önce, kısa zaman serileri olarak sunulan sinüs ve kare dalga sinyalleri arasında ayrım yapması istenen küçük iki rezonatörlü bir ağla başlarlar. Her girdiden sonra bir rezonatörde sıfır foton bulunma olasılığını ölçerek ve fiziksel parametreler üzerinde gradyan tabanlı eğitim uygulayarak model mükemmel sınıflamaya ulaşır. Aynı donanımın eğitilmemiş “rezervuar” versiyonuyla karşılaştırıldığında—ki o pek çok çıkış okuması kullanır—eğitilmiş ağ aynı doğruluğa ulaşmak için çok daha az ölçülen niceliğe ve çok daha az deneysel denemeye ihtiyaç duyar.

Veriyi içeri beslemenin en iyi yolunu bulmak

Ardından ekip, düzlemdeki iki iç içe geçmiş spiralden birine atanması gereken noktalar gibi klasik ve zor bir problemi inceler. Bu görev güçlü doğrusal olmayanlık gerektirir. Dört bağlı rezonatör kullanarak, iki giriş koordinatını fiziksel kontroller içine kodlamanın çeşitli yollarını karşılaştırırlar; örneğin sürücü tonlarının genliği veya fazı ve farklı bağlama süreçlerinin fazı veya gücü gibi. Veriyi, foton çiftleri yaratan özel bir etkileşimin gücüne veya fazına yerleştirmenin özellikle güçlü bir etki yarattığını ve sadece tek bir foton olasılığını okuyarak mükemmel sınıflamaya izin verdiğini bulurlar. Diğer kodlama seçenekleri çok daha fazla ölçülen çıkış gerektirir ya da hiçbir zaman tam doğruluğa ulaşamaz. Bu, verinin kuantum aygıtına nasıl yazıldığının etkin doğrusal olmayanlığını güçlü biçimde şekillendirdiğini gösterir.

El yazısı rakamlardan geleceğin aygıtlarına

Son olarak yazarlar, 8 × 8 piksel ızgaralarıyla temsil edilen el yazısı rakamları içeren küçük bir görüntü tanıma görevine girerler. Altı rezonatör ve birden çok çift-oluşum süreciyle, pikselleri birkaç zaman diliminde beslerler; bu strateji, aynı kuantum devresini yeni verilerle tekrar tekrar sunmaya benzer. Birkaç yüz fiziksel ve klasik parametreyi eğittikten sonra model, sadece sınırlı bir set foton sayımı çıktısı ölçerek görülmemiş rakamları %97’nin üzerinde doğrulukla sınıflar. Buna karşılık, aynı donanım eğitilmemiş bir rezervuar olarak kullanıldığında, daha fazla ölçüm yapılsa bile performans çok daha düşük bir seviyede doyguna ulaşır; bu da fiziksel etkileşimlerin optimize edilmesinin avantajını vurgular.

Kuantum teknolojisi için neden önemli

Çalışma, doğrusal evrilen bosonik modlardan ve doğrusal olmayan foton sayımından oluşan ağların hem ifade gücüne sahip olabileceğini hem de tanıdık gradyan araçlarıyla eğitilebileceğini gösteriyor. Mevcut çalışma eğitimi yönlendirmek için klasik simülasyona dayandığından ölçek açısından sınırlı olsa da, temel bileşenler ayarlanabilir parametrik bağlanmaları zaten destekleyen süperiletken ve fotonik platformlarla iyi örtüşüyor. Bu, bilgiyi kuantum biçimde işlemenin ötesinde, bugünkü sinir ağları gibi eğitilebilen gerçekçi bir kuantum donanımı yolunu açıyor ve gelecekteki kuantum sensörler ve işlemciler için akıllı ön uçlar olarak hizmet etme potansiyeli taşıyor.

Atıf: 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

Anahtar kelimeler: kuantum sinir ağları, bosonik modlar, Gaussian dinamikleri, foton sayımı, kuantum makine öğrenimi