Gli scienziati hanno sviluppato un algoritmo di intelligenza artificiale in grado di ricostruire, da un insieme limitato di misurazioni, tutte le informazioni su uno stato quantistico, noto come tomografia quantistica.
Uno degli algoritmi di tomografia quantistica più veloci ed efficienti fino ad oggi
I risultati ampliano le possibilità dell’intelligenza artificiale di sviluppare tecnologie quantistiche. La scoperta è il risultato di una collaborazione internazionale a cui partecipano l’Università Autonoma di Madrid (UAM) in Spagna, l’Università Tecnologica Chalmers in Svezia e l’istituto di ricerca RIKEN in Giappone.
Il lavoro svolto da questi scienziati rappresenta un grande progresso nella comprensione di come i sistemi di intelligenza artificiale possono aiutare lo sviluppo delle tecnologie quantistiche del futuro.
Qualsiasi oggetto nel mondo quantistico è completamente descritto dal suo stato quantistico. La capacità di manipolare e controllare questi stati è la chiave per lo sviluppo delle tecnologie quantistiche in campi come l’informatica, le comunicazioni o la metrologia. Ecco perché, per la fisica attuale, è fondamentale conoscere gli stati quantistici che si generano in un laboratorio.
L’unico modo per ottenere queste informazioni, come sostenuto dal team di Carlos Sánchez Muñoz, dell’UAM, è attraverso misure che, in generale, distruggono detto stato e forniscono solo informazioni parziali al riguardo. Ripetere questo processo molte volte e ottenere enormi quantità di misurazioni è l’unico modo per fare un’analisi statistica che permetta di dedurre lo stato effettivamente generato nell’esperimento.
La tomografia quantistica è un tipo di processo investigativo molto impegnativo. Questo perché, nella tipologia dei sistemi necessari per le applicazioni tecnologiche della fisica quantistica, la complessità degli stati, il numero delle misurazioni necessarie e la difficoltà dei calcoli diventano molto grandi.
Nel loro lavoro, i ricercatori hanno progettato un’intelligenza artificiale in grado di far fronte a questo compito. Il progetto si basa su reti neurali, ovvero su modelli semplificati dei meccanismi di connessione neurale del cervello.
In questo caso, gli autori hanno utilizzato due reti neurali che competono tra loro e apprendono nel processo, note come reti neurali generative avversarie (GAN). La capacità creativa delle reti GAN è ampiamente utilizzata nell’industria odierna, per attività come il restauro e la modifica di foto o la generazione di immagini fotorealistiche.
Il risultato di questo lavoro è uno degli algoritmi di tomografia quantistica più veloci ed efficienti progettati fino ad oggi. Una volta addestrato, richiede meno misurazioni e calcoli del necessario utilizzando metodi standard, come notano gli autori.