|
| Esta ilustración muestra un esquema de realimentación adaptativa usado para medir una diferencia de fase desconocida entre los dos brazos rojos del interferómetro. Se envía un fotón (qubit) a través del interferómetro, y se detecta en c1 ó c0, dependiendo de por qué brazo viaje. La retroalimentación se envía a la unidad de proceso, la cual controla el desplazador de fase en un brazo de modo que, cuando se envíe el siguiente fotón, el dispositivo pueda medir con mayor precisión la fase en el otro brazo, y calcular la diferencia de fase precisa. Crédito de la imagen: Hentschel y Sanders.
|
En el mundo clásico, los científicos pueden realizar medidas con un grado de precisión que está restringido sólo por las limitaciones técnicas. A nivel fundamental, no obstante, las medidas de precisión están limitadas por el Principio de Incertidumbre de Heisenberg. Pero incluso alcanzar una precisión cercana al límite de Heisenberg está muy lejos de la tecnología actual debido a las limitaciones de la fuente y los detectores.
Ahora, usando técnicas del aprendizaje automático, los físicos Alexander Hentschel y Barry Sanders de la Universidad de Calgary han demostrado recientemente cómo generar procedimientos de medidas que pueden superar las mejores estrategias anteriores para lograr unas medidas cuánticas de alta precisión. El nuevo nivel de precisión se aproxima al límite de Heisenberg, lo cual es un objetivo importante para las medidas cuánticas. Tales medidas cuánticas mejoradas son útiles en distintas áreas, tales como relojes atómicos, detección de ondas gravitatorias y medición de propiedades ópticas en materiales.
“La precisión que cualquier medida puede lograr está limitada por el conocido como límite de Heisenberg, el cual resulta del Principio de Incertidumbre de Heisenberg”, dice Hentschel a PhysOrg.com. “No obstante, las medidas clásicas no pueden lograr una precisión cercana al límite de Heisenberg. Sólo las medidas cuánticas que usan correlaciones cuánticas pueden aproximarse a dicho límite. Aún así, idear procedimientos de medida cuántica es algo muy complejo”.
El principio de incertidumbre de Heisenberg limita en último término la precisión posible dependiendo de cuántos recursos cuánticos se usan en la medida. Por ejemplo, las ondas graviatorias se detectan mediante interferómetros láser, cuya precisión está limitada por el número de fotones disponibles en el interferómetro dentro de la duración del pulso de la onda gravitatoria.
En su estudio, Hentschel y Sanders usaron una simulación por ordenador de un interferómetro de dos canales con una diferencia de fase aleatoria entre los dos brazos. Su objetivo era estimar la diferencia de fase relativa entre los dos canales. En su sistema simulado, los fotones eran enviados al interferómetro a la vez. No se sabía a qué puerto de entrada llegaría, por lo que el fotón (actuando como qubit) estaba en una superposición de dos estados, correspondiendo a los dos canales. Cuando salía del interferómetro, el fotón se detectaba abandonando uno de los dos puertos de salida, o no se detectaba si se perdía. Dado que los fotones eran lanzados al interferómetro a la vez, no se podía extraer más de un bit de información en cada momento. En este escenario, la precisión posible está limitada por el número de fotones usados para la medida.
Como han demostrado anteriores investigaciones, los esquemas de medidas cuánticas más efectivos son aquellos que incorporan una retroalimentación adaptativa. Estos esquemas acumulan información a partir de medidas y las aprovechan para maximizar la información lograda en posteriores medidas. En un interferómetro con retroalimentación, se envía una secuencia de fotones sucesivamente a través del interferómetro para medir la diferencia de fase desconocida. Los detectores en los dos puertos de salida miden el camino de salida de cada uno de los fotones, y transmite la información a la unidad de proceso. La unidad de proceso adapta el valor de un desplazador de fase controlable tras cada fotón, de acuerdo con una política dada.
No obstante, idear una política óptima es difícil, y normalmente requiere de ciertas conjeturas. En su estudio, Hentschel y Sanders adaptaron una técnica del campo de la inteligencia artificial. Su algoritmo aprende una política óptima basándose en el ensayo y error – reemplazando las conjeturas por un procedimiento lógico, completamente automático y programable.
Específicamente, el nuevo método usa un algoritmo de aprendizaje automático llamado optimización de enjambre de partículas (PSO). PSO es una estrategia de optimización de “inteligencia colectiva” inspirada en el comportamiento social de las bandadas de pájaros o bancos de peces para localizar lugares donde alimentarse. En este caso, los físicos demuestran que el algoritmo PSO puede también aprender de forma autónoma una política para ajustar el desplazamiento de fase controlable.
Como demuestran Hentschel y Sanders, después de que se haya enviado una secuencua de qubits de entrada al interferómetro, el procedimiento de medida aprendido por el algoritmo PSO deja una medida del desplazamiento de fase desconocido que está cerca del límite de Heisenberg, fijando un nuevo precedente para la precisión de las medidas cuánticas. El nuevo alto nivel de precisión podría tener importantes implicaciones para la detección de ondas gravitatorias.
“La Teoría de la Relatividad General de Einstein predice ondas gravitatorias”, dice Hentschel. “No obstante, no se ha logrado ninguna detección directa de las mismas. La detección de ondas gravitatorias abrirá un nuevo campo de la astronomía que incrementará las observaciones de neutrinos y ondas electromagnéticas. Por ejemplo, los detectores de ondas gravitatorias pueden observar agujeros negros en fusión o sistemas estelares binarios compuestos de dos estrellas de neutrones, que están en su mayor parte ocultos a los telescopios convencionales”.
Más información: Alexander Hentschel and Barry C. Sanders. “Machine Learning for Precise Quantum Measurement.” Physical Review Letters 104, 063603 (2010). DOI:10.1103/PhysRevLett.104.063603
Autor: Lisa Zyga
Fecha Original: 26 de febrero de 2010
Enlace Original
Entradas (RSS)