[📪정보] AI 기계학습 양자 소스 분류 100배 개선

[특이점 만세!(118.35)]

양자 광학 기술이 더욱 실용화 되려면 칩에 양자 광자 회로를 대규모로 통합해야한다. 이 통합은 단일 양자 광학 방출기(quantum optical emitters)에 의해 생성되는 빛의 입자 소스인 이러한 회로의 핵심 구성 요소를 확장해야한다.

퍼듀대(Purdue University)과학자들은 이러한 고체 양자 에.미터를 신속하게 사전 선택해 양자 광학 회로(quantum photonic circuit) 개발을 보다 효율적으로 만들 수 있는 새로운 기계 학습(machine learning) 방법을 개발했다.

이 연구는 ‘Advanced Quantum Technologies’ 저널에 게재됐다.

전 세계의 연구자들은 단일 양자 광학 에.미터를 포함하는 나노 구조를 기존의 광 칩에 이식해 동일한 양자 소스를 제작하는 다양한 방법을 모색하고 있다.

퍼듀대 전기 컴퓨터 공학교수 알렉산드라 볼다세바(Alexandra Boltasseva)는 “확장 가능한 실현에 대한 관심이 증가하고 대형 에.미터 어레이를 활용하는 양자 장치의 신속한 프로토타이핑에 대한 관심이 증가함에 따라 적절한 에.미터의 빠르고 강화된 사전 선택이 필요하게 됐다”라고 말했다.

양자 방출기는 많은 양자 정보 프로토콜에서 사용할 수 있는 고유한 비고전적인 속성을 가진 빛을 생성한다. 문제는 대부분의 고체 양자 방출기를 기존의 확장 가능한 광자 플랫폼과 인터페이스하려면 복잡한 통합 기술이 필요하다는 것이다.

통합을 위해선 먼저 특정 광 주파수를 사용해 단일 광자를 빠르게 생성하는 온디멘드 광학 방사체를 식별해야 한다. 한 번에 하나의 광자만 생성할 수 있는 “단일 광자 순도”를 기반으로 하는 방출기 사전 선택은 일반적으로 각 방출기에 대해 몇 분 정도 걸린다. 양자 칩 통합에 적합한 고품질 후보를 찾기 전에 수천 개의 방출기를 분석해야 할 수도 있다.

단일 광자 순도를 기반으로 한 스크리닝 속도를 높이기 위해 퍼듀 연구진은 단초 내에 단일 광자 방출에서 유망한 패턴을 인식하도록 기계를 훈련했다. 연구원들에 따르면, 수천 세트 내에서 가장 순수한 단일 광자 방출기를 빠르게 찾는 것은 대규모 양자 광자 회로의 실용적이고 확장 가능한 조립을 향한 핵심 단계가 될 수 있다.

퍼듀 박사후 연구원 자일리크 쿠디세바(Zhaxylyk Kudyshev)는 “에.미터가 충족해야하는 광자 순도 표준을 고려할 때, 우리는 단 1초 내에 수집된 최소한의 데이터를 기반으로 95 % 정확도로 단일 광자 에.미터를 순도 높게 분류하도록 기계학습 훈련했다”라고 말했다.

연구원들은 동일한 작업에 사용된 기존의 광자 순도 측정 ‘Levenberg–Marquardt’ 피팅 접근법이 동일한 수준의 정확도에 도달하는 데 100배 더 오래 걸린다는 것을 발견했다.

볼타세바는 “머신 러닝 접근 방식은 피팅 절차가 일반적으로 무시하는 데이터 세트에서 정보를 추출할 수 있기 때문에 다재다능하고 효율적인 기술”이라고 말했다.

연구원들은 그들의 접근 방식이 이진 또는 다중 클래스 분류 문제로 공식화될 수 있는 대부분의 양자 광학 측정을 극적으로 발전시킬 잠재력이 있다고 믿는다.

쿠디세바는 “우리의 기술은 현재 긴 이미지 획득 시간에 의해 제한되는 고차 상관 측정에 구축 된 초고해상도 현미경 방법의 속도를 높일 수 있다”고 말했다.

*Zhaxylyk A. Kudyshev et al, Rapid Classification of Quantum Sources Enabled by Machine Learning, Advanced Quantum Technologies (2020). DOI: 10.1002/qute.202000067

http://scimonitors.com/%ea%b8%b0%ea%b3%84%ed%95%99%ec%8a%b5%ec%9c%bc%eb%a1%9c-%ec%96%91%ec%9e%90-%ea%b4%91%ed%95%99-%ec%86%8c%ec%8a%a4-%eb%b6%84%eb%a5%98-100%eb%b0%b0-%ea%b0%9c%ec%84%a0/