Photonic REservoir computing QUantum correlation Set ORacle

In den letzten Jahrzehnten wurde eine neue Art von Technologie entwickelt, die auf der Quantenmechanik basiert. Diese Theorie beschreibt die Natur in ihrer mikroskopischen Skala. Ihre kontraintuitiven Gesetze haben sich als geeignet erwiesen, Probleme anzugehen, die als unerreichbar galten, und bemerkenswerte Vorteile zu erzielen. So kann Quantenhardware in wenigen Sekunden Rechenprobleme lösen, für die die leistungsstärksten klassischen Computer Tausende von Jahren benötigen würden. Darüber hinaus bieten Quantensysteme die Werkzeuge, um ein Höchstmaß an Sicherheit in der Kommunikation zu erreichen. Trotz dieser Voraussetzungen ist dieses Gebiet, insbesondere aus experimenteller Sicht, noch sehr jung und viele Herausforderungen sind noch offen. So ist beispielsweise noch offen, wie man die korrekte
Funktionsweise solcher Technologien verifizieren und beurteilen kann, ob sie auf Quantenmerkmalen beruhen und nicht nur simulieren.
PREQUrSOR bietet ein experimentelles Werkzeug zum Nachweis von Quantenphänomenen in beliebigen Prozessen. Dazu wird das Feld der quantenmechanischen Grundlagen mit maschinellem Lernen kombiniert, einem Teilgebiet der künstlichen Intelligenz, das darauf abzielt, dass Computer aus gegebenen Beispielen „lernen“ und dann mit zuvor ungesehenen Daten korrekt umzugehen. Genauer gesagt werden wir einen Prototyp eines künstlichen neuronalen Netzes, eines Lernmodells, das der Struktur des menschlichen Gehirns ähnelt, auf quantenphotonischer Hardware aufbauen. Dieses Modell wird das Quantenverhalten von Photonen nutzen, um vertrauenswürdige Quantengeräte von fehlerhaften zu unterscheiden.
Die wichtigsten Neuerungen dieses Projekts sind zwei: Einerseits werden wir die erste Implementierung eines künstlichen neuronalen Netzes auf einer photonischen Plattform bereitstellen. Angesichts der weiten Verbreitung klassischer künstlicher neuronaler Netze wird die Bereitstellung ihrer Quantenversion ein sehr vielseitiges Instrument zur Bewältigung neuer und vielfältiger Herausforderungen darstellen. Dies ist jedoch herausfordernd, da der Lernprozess eines neuronalen Netzes nichtlineare Effekte erfordert, die durch die Wechselwirkung von Quantensystemen mit der Umgebung erzielt werden können. Dies kann jedoch auch dazu führen, dass ein Teil ihrer Quanteneigenschaften verloren geht. Eine Lösung für diesen scheinbaren Stillstand bietet ein neuartiges photonisches Gerät, der Quanten-Memristor, der von der Universität Wien entwickelt wurde und ein ähnliches Verhalten wie Gehirnsynapsen zeigt, während die Quanteneigenschaften von Photonen erhalten bleiben. Das zweite interessante Merkmal dieses Projekts ist, dass wir uns nicht mit einem klassischen Problem befassen und nach einer Quantenbeschleunigung oder verbesserten Genauigkeit bei der Lösung suchen. Die vorgeschlagene Überprüfung ist tatsächlich nur mit Hilfe einer Quantenapparatur möglich, was eine unmittelbare praktische Nutzung dieser Ergebnisse ermöglicht. Im Gegenteil, die Suche nach einem Vorteil wäre angesichts des unfairen Vergleichs zwischen dem frühen Stadium der Quantentechnologien und der Reife des klassischen Gegenstücks ein viel schwerer fassbarer Bereich gewesen.