Quantum sensors that compute: quantum computational magnetic-field sensing using a superconducting qubit

Stellen Sie sich eine Welt vor, in der die Werkzeuge, mit denen wir das physische Universum messen, auch die Werkzeuge sind, mit denen wir über das Nachgemessene nachdenken. Seit Jahrzehnten bauen Wissenschaftler extrem empfindliche Geräte, die in der Lage sind, das leiseste Flüstern magnetischer Felder, Temperaturschwankungen oder gravitativer Züge zu detektieren. Diese Quantensensoren arbeiten nach den seltsamen Regeln der subatomaren Welt, in der Teilchen in mehreren Zuständen gleichzeitig existieren können, was es ihnen ermöglicht, Veränderungen zu erkennen, die für jedes klassische Instrument unsichtbar wären. Es gab jedoch immer eine grundlegende Einschränkung: Eine einzelne Messung eines solchen Sensors offenbart nur ein winziges Informationsfragment, oft nur eine einfache Ja-Nein-Antwort. Um ein komplexes Signal zu verstehen, mussten Forscher die Messung traditionell tausendfach wiederholen, die Ergebnisse mitteln, um ein präzises Bild des Signals aufzubauen, und dann einen separaten Computer nutzen, um dieses Bild zu analysieren und zu entscheiden, was es bedeutet. Dieser zweistufige Prozess – erst messen, später berechnen – funktioniert gut, ist aber langsam und verschwendet das einzigartige Potenzial des Quantensystems.

Ein neuer Ansatz, bekannt als quantencomputergestütztes Sensorik (quantum computational sensing), stellt diese alte Denkweise in Frage. Anstatt den Sensor als passiven Rekorder und den Computer als separaten Analysten zu behandten, fragt diese Methode den Sensor, ob er selbst das Denken übernehmen kann. Indem die Tat des Sensens mit einer Sequenz von Quantenoperationen verwoben wird, kann das Gerät die Informationen verarbeiten, während sie sich noch in ihrem fragilen Quantenzustand befinden. Das Ziel ist nicht, das Rohsignal mit perfekter Präzision zu messen, sondern genau das spezifische Stück Information zu extrahieren, das für eine Aufgabe benötigt wird, wie etwa die Bestimmung, zu welcher Kategorie ein Signal gehört. Dies ermöglicht es dem System, den Zwischenschritt des Aufbaus eines vollständigen Bildes des Signals zu überspringen, was potenziell schneller und mit größerer Genauigkeit als traditionelle Methoden Ergebnisse liefert.

In einem kürzlich durchgeführten Experiment demonstrierten Forscher der Cornell University und des Massachusetts Institute of Technology, dass dieses Konzept in der Praxis funktioniert, und zwar unter Verwendung eines einzigen, winzigen Quantenbits oder Qubits. Sie bauten einen Sensor aus einem supraleitenden Schaltkreis, der wie eine mikroskopische Drahtschleife wirkt und in der Lage ist, magnetische Felder zu detektieren, die von elektrischen Strömen erzeugt werden. Dieses Gerät ist eine Art supraleitender Quanteninterferenzdetektor (SQUID), eine Technologie, die bereits für ihre extreme Empfindlichkeit bekannt ist. Das Team setzte sich zum Ziel zu testen, ob dieses einzelne Qubit nicht nur ein Magnetfeld spüren, sondern auch eine Entscheidung darüber treffen kann, und zwar noch bevor die endgültige Messung vorgenommen wurde. Sie konzentrierten sich auf binäre Klassifikationsaufgaben, also Probleme, bei denen das Ziel darin besteht, ein Signal in eine von zwei Gruppen zu sortieren, wie etwa die Unterscheidung zwischen einem schwachen und einem starken Magnetfeld oder die Unterscheidung zwischen einem Signal, das mit einer Frequenz oszilliert, gegenüber einem anderen.

Die Forscher verglichen ihre neue Methode mit dem konventionellen Ansatz, der darin besteht, das Magnetfeld wiederholt zu messen, um dessen Stärke oder Frequenz abzuschätzen, und dann einen Standard-Computeralgorithmus zu verwenden, um zu entscheiden, in welche Kategorie das Signal fällt. In der ersten Testreihe verwendeten sie statische Magnetfelder, die sich im Laufe der Zeit nicht verändern. Sie programmierten das Qubit so, dass es eine spezifische Sequenz von Rotationen und Pausen durchläuft, die mit der Erfassung des Magnetfeldes durchsetzt sind. Diese Sequenz war darauf ausgelegt, wie ein Filter zu wirken, der die für die Klassifikationsaufgabe relevanten Informationen verstärkt, während er alles andere unterdrückt. Wenn sie das Qubit am Ende massen, gab das Ergebnis direkt die Klasse des Magnetfeldes an. Die Ergebnisse waren beeindruckend: Für diese Aufgaben mit statischen Feldern war die quantencomputergestützte Methode bei identischer Zeitdauer bis zu 15 Prozentpunkte genauer als die konventionelle Methode.

Das Team ging dann zu schwierigeren Herausforderungen über, die oszillierende Magnetfelder betrafen, die wie eine Welle auf und ab wogen. Diese Signale sind schwerer zu klassifizieren, da ihre Phase, also das exakte Timing ihrer Welle, zufällig und unvorhersehbar sein kann. Im traditionellen Ansatz verwenden Wissenschaftler oft eine Technik namens dynamische Entkopplung (dynamical decoupling), bei der eine Serie von Pulsen an den Sensor angelegt wird, um Rauschen zu eliminieren und die Frequenz oder Amplitude des Signals zu isolieren. Die Forscher testeten ihr quantencomputergestütztes Protokoll gegen diese optimierten traditionellen Pulse. Bei der Aufgabe, die Amplitude, also die Höhe des oszillierenden Feldes, zu identifizieren, verbesserte ihre Methode die Genauigkeit um bis zu 20 Prozentpunkte. Als sich die Aufgabe auf die Identifizierung der Frequenz verschob, also wie schnell das Feld wogte, behielt die neue Methode einen signifikanten Vorsprung von bis zu 15 Prozentpunkten bei der Genauigkeit.

Was diese Ergebnisse besonders bemerkenswert macht, ist, dass der gesamte Prozess von einem einzigen Quantenbit durchgeführt wurde. Normalerweise wird erwartet, dass Quantencomputer viele Qubits benötigen, um komplexe Berechnungen durchzuführen, aber dieses Experiment zeigte, dass selbst ein minimal großes System, das den praktischen Einschränkungen von Rauschen und Fehlern unterliegt, herkömmliche Techniken übertreffen kann. Der Schlüssel lag darin, dass die Forscher nicht versuchten, das Magnetfeld perfekt zu messen und dann die Antwort zu berechnen. Stattdessen trainierten sie die Sequenz der Quantenoperationen so, dass sie das Rohsignal direkt auf das Endergebnis der Messung abbildet. Auf diese Weise konzentrierten sie die relevante Information in das einzelne Bit an Daten, das durch die Messung enthüllt wird, und umgingen effektiv die Notwendigkeit, das gesamte Signal zuerst zu rekonstruieren.

Die Studie hob auch hervor, wie die Komplexität der Aufgabe die Ergebnisse beeinflusste. Je komplizierter die Klassifikationsregeln wurden – indem der Signalraum in kleinere und zahlreichere Regionen unterteilt wurde –, desto größer wurde der Vorteil des quantencomputergestützten Ansatzes. In den komplexesten Szenarien hatten die traditionellen Methoden Schwierigkeiten Schritt zu halten, während das Quantenprotokoll eine hohe Genauigkeit beibehielt. Dies deutet darauf hin, dass, wenn die Aufgaben, die wir Sensoren zu lösen geben, anspruchsvoller werden, die Fähigkeit, direkt innerhalb des Sensors zu rechnen, zunehmend wertvoll wird. Die Forscher merkten an, dass ihr Erfolg auf einer Technik namens Quantensignalverarbeitung (quantum signal processing) beruhte, die es ermöglicht, die Art und Weise, wie sich der Quantenzustand als Reaktion auf das Signal entwickelt, präzise zu gestalten. Sie optimierten diese Sequenzen mithilfe von Computersimulationen, die ihre spezifische Hardware modellierten, um sicherzustellen, dass das Protokoll gegen das in realen Geräten inhärente Rauschen robust ist.

Obwohl die Experimente in einer kontrollierten Laborumgebung durchgeführt wurden, reichen die Implikationen über dieses spezifische Gerät hinaus. Die Forscher legen nahe, dass dieser Ansatz auf andere Arten von Quantensensoren übertragen werden kann, wie etwa jene, die in der medizinischen Bildgebung oder Navigation eingesetzt werden. Der Kern der Idee ist, dass wir durch die Integration von Berechnung in den Erfassungsprozess diese Geräte effizienter und leistungsfähiger machen können, ohne notwendigerweise größere oder komplexere Maschinen bauen zu müssen. Die Arbeit zeigt, dass die Grenze zwischen Sensorik und Computertechnik nicht so starr ist, wie man einst annahm, und dass ein einzelnes Quantensystem sowohl das Auge sein kann, das das Signal sieht, als auch das Gehirn, das es interpretiert. Dies ebnet den Weg für eine neue Generation von Sensoren, die nicht nur passive Beobachter der physischen Welt sind, sondern aktive Teilnehmer an deren Verständnis.