Quantum Interference-Induced Bhattacharyya Distance

In de wereld van de statistiek en machine learning moeten wetenschappers vaak meten hoe verschillend twee datasets zijn. Stel je voor dat je probeert het onderscheid te maken tussen twee wolken van punten op een grafiek; standaardinstrumenten doen dit door simpelweg te tellen hoeveel de wolken overlappen. Als de wolken bovenop elkaar liggen, worden ze als zeer vergelijkbaar beschouwd. Als ze ver uit elkaar liggen, zijn ze duidelijk van elkaar te onderscheiden. Deze methode werkt goed voor klassieke data, maar behandelt elk stukje informatie als een statische momentopname, waarbij wordt genegeerd hoe deze data zich zou kunnen gedragen als ze deel uit zouden maken van een complexer, interagerend systeem. In de wereld van de kwantumfysica, waar deeltjes in meerdere toestanden tegelijk kunnen bestaan en elkaar direct kunnen beïnvloeden, is dit statische beeld vaak onvoldoende. Kwantumsystemen worden niet alleen gedefinieerd door wat ze zijn, maar ook door hoe ze met elkaar interfereren. Wanneer twee kwantumtoestanden elkaar ontmoeten, kunnen ze elkaar versterken of uitdoven, een fenomeen dat bekend staat als interferentie. Begrijpen hoe men het verschil tussen kwantumtoestanden kan meten terwijl rekening wordt gehouden met deze dynamische interacties, is een cruciale uitdaging voor het bouwen van betere kwantumcomputers en algoritmen.

Een onderzoeker bij IBM Quantum in Bangalore heeft een nieuwe manier voorgesteld om dit probleem aan te pakken, door een methode te introduceren die de Quantum Interference-Induced Bhattacharyya Distance wordt genoemd. Deze benadering gaat verder dan alleen het controleren van de overlap van twee kansverdelingen. In plaats daarvan stelt het een meer dynamische vraag: hoe verandert het vermogen van twee kwantumtoestanden om met elkaar te interfereren wanneer ze worden onderworpen aan een specifieke interactie? De onderzoeker, Mostafizur Rahaman Laskar, suggereert dat de "afstand" tussen twee datasets geen vast getal moet zijn, maar een waarde die afhankelijk is van het fysieke proces dat wordt gebruikt om ze te vergelijken. Door kansverdelingen te coderen in kwantumtoestanden en ze vervolgens door een specifiek type circuit te leiden, meet de methode hoeveel het interferentiepatroon degradeert wanneer de toestanden met elkaar mogen interageren.

De kern van dit werk is een nieuw meetinstrument dat gebruikmaakt van één extra kwantumbit, bekend als een ancilla, die fungeert als een controle-schakelaar. In het experiment bereidt de onderzoeker twee kwantumtoestanden voor die de twee datasets vertegenwoordigen die vergeleken moeten worden. Deze toestanden worden in een superpositie gebracht, een toestand waarin ze gelijktijdig bestaan, en worden vervolgens onderworpen aan een interactie die ervoor zorgt dat ze elkaar beïnvloeden. Deze interactie is ontworpen om specifieke fasen, of verschuivingen, in de kwantumgolven te genereren, afhankelijk van de correlaties binnen de data. Als de twee datasets identiek zijn en er geen interactie plaatsvindt, interfereren de kwantumgolven perfect en creëren ze een duidelijk signaal. Echter, als de datasets verschillen of als de interactie complexe correlaties introduceert, wordt deze perfecte interferentie verstoord. De mate van verstoring, of het verlies van zichtbaarheid in het interferentiepatroon, wordt de maat voor de afstand tussen de twee datasets.

Wat deze bevinding zo significant maakt, is dat het een laag van verschil onthult die traditionele methoden volledig missen. Standaardmaten vertrouwen op de overlap van de data, die constant blijft ongeacht hoe de data wordt gemanipuleerd. In tegenstelling hiertoe verandert deze nieuwe afstandsmaat afhankelijk van de sterkte van de toegepaste interactie. De onderzoeker heeft dit aangetoond via numerieke simulaties op een kwantumcomputer-simulator. Wanneer de interactie werd uitgeschakeld, kwam de nieuwe maat perfect overeen met de klassieke afstand, wat bevestigde dat het een geldige uitbreiding is van de bestaande theorie. Echter, naarmate de interactiekracht werd verhoogd, nam de nieuwe afstand toe, zelfs terwijl de onderliggende overlap van de data exact hetzelfde bleef. Dit bewijst dat de methode gevoelig is voor de interne structuur van de correlaties binnen de data, en niet alleen voor de ruwe waarschijnlijkheid van de uitkomsten.

De simulaties toonden verder aan dat deze gevoeligheid zeer specifiek is voor het type interactie dat wordt gebruikt. Wanneer de onderzoeker de data aanpaste zodat de correlaties overeenkwamen met de toegepaste interactie, reageerde de afstandsmaat sterk en detecteerde het verschillen die onzichtbaar waren voor standaard overlap-gebaseerde instrumenten. Bijvoorbeeld, in één testgeval met verdelingen over tweeëndertig mogelijke uitkomsten, bleef de klassieke afstand vaststaan op een waarde van 1,321, ongeacht de interactiekracht. Ondertussen steeg de nieuwe kwantumafstand gestaag en bereikte een waarde van 2,994 naarmate de interactieparameter werd verhoogd. Dit gedrag geeft aan dat de nieuwe maat de manier vastlegt waarop het fysieke proces van vergelijking zelf de onderscheidbaarheid van de data verandert. Het suggereert dat twee datasets identiek kunnen lijken onder een statische vergelijking, maar duidelijk van elkaar te onderscheiden kunnen zijn wanneer ze worden bekeken door de lens van een specifieke kwantuminteractie.

De onderzoeker merkt op dat dit instrument geen universele liniaal is voor alle kwantumafstanden. Omdat de waarde volledig afhangt van de keuze van de gebruikte interactie, volgt het niet de standaard wiskundige regels die een vaste metriek definiëren, zoals de driehoeksongelijkheid. In plaats daarvan is het een operationele maat, ontworpen om te kwantificeren hoeveel een specifieke interactie de interferentie tussen twee toestanden destabiliseert. Dit onderscheid is essentieel voor praktische toepassingen. De methode vereist slechts één extra qubit, wat het haalbaar maakt voor huidige en nabije kwantumhardware. Potentiële toepassingen zijn onder meer het verbeteren van kwantummachine learning door nieuwe manieren te creëren om gestructureerde data te vergelijken, het valideren van de nauwkeurigheid van kwantumsimulaties door te controleren of de correlatiestructuren overeenkomen met het doel, en het detecteren van subtiele veranderingen in kwantumsystemen die verder gaan dan eenvoudige verschuivingen in waarschijnlijkheid.

Uiteindelijk stelt dit werk een verschuiving voor in hoe we denken over verschil in de kwantumwereld. Het suggereert dat onderscheidbaarheid geen intrinsieke eigenschap van de data alleen is, maar een relatie tussen de data en het fysieke proces dat wordt gebruikt om deze te onderzoeken. Door gebruik te maken van de fragiliteit van kwantuminterferentie, heeft de onderzoeker een instrument gecreëerd dat zijn gevoeligheid kan afstemmen op specifieke soorten correlaties. Dit opent de deur naar een nieuwe klasse van vergelijkingen waarbij de keuze van de interactie bepaalt welke patronen in de data worden geaccentueerd. Hoewel de huidige resultaten gebaseerd zijn op simulaties, biedt het kader een duidelijk pad voor toekomstige experimenten om te onderzoeken hoe interactie-afhankelijke maten verborgen structuren in complexe kwantumsystemen kunnen onthullen.