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

Stel je een wereld voor waarin de instrumenten die we gebruiken om het fysieke universum te meten, ook de instrumenten zijn waarmee we nadenken over wat ze meten. Decennialang hebben wetenschappers uiterst gevoelige apparaten gebouwd die in staat zijn om de zwakste fluisteringen van magnetische velden, temperatuurveranderingen of gravitationele trek aan te detecteren. Deze kwantumsensoren werken volgens de vreemde regels van de subatomaire wereld, waar deeltjes in meerdere toestanden tegelijkertijd kunnen bestaan, waardoor ze veranderingen kunnen detecteren die onzichtbaar zouden zijn voor elk klassiek instrument. Er heeft echter altijd een fundamentele beperking bestaan: een enkele meting van een dergelijke sensor onthult slechts een klein fragment informatie, vaak slechts een enkel ja-of-nee-antwoord. Om een complex signaal te begrijpen, moesten onderzoekers traditioneel de meting duizenden keren herhalen, de resultaten middelen om een nauwkeurig beeld van het signaal op te bouwen, en vervolgens een aparte computer gebruiken om dat beeld te analyseren en te beslissen wat het betekende. Dit tweestaps-proces — eerst meten, later berekenen — werkt goed, maar het is traag en verspilt het unieke potentieel van het kwantumsysteem.

Een nieuwe benadering, bekend als kwantumcomputationele sensing, daagt deze oude manier van denken uit. In plaats van de sensor te behandelen als een passieve recorder en de computer als een afzonderlijke analist, vraagt deze methode de sensor om zelf het denken op zich te nemen. Door de handeling van het waarnemen te verweven met een sequentie van kwantumoperaties, kan het apparaat de informatie verwerken terwijl deze zich nog in de kwetsbare kwantumtoestand bevindt. Het doel is niet om het ruwe signaal met perfecte precisie te meten, maar om precies dat specifieke stukje informatie te extraheren dat nodig is voor een taak, zoals bepalen tot welke categorie een signaal behoort. Dit stelt het systeem in staat om de tussenstap van het opbouwen van een volledig beeld van het signaal over te slaan, wat potentieel veel sneller en met grotere nauwkeurigheid antwoorden kan leveren dan traditionele methoden.

In een recent experiment hebben onderzoekers aan Cornell University en het Massachusetts Institute of Technology aangetoond dat dit concept in de praktijk werkt met behulp van een enkele, minuscule kwantumbit, of qubit. Ze bouwden een sensor van een supergeleidend circuit dat fungeert als een microscopische lus van draad, in staat om magnetische velden te detecteren die worden gegenereerd door elektrische stromen. Dit apparaat is een type supergeleidende kwantuminterferentie-apparaat (SQUID), een technologie die al bekend staat om haar extreme gevoeligheid. Het team zette zich in om te testen of deze enkele qubit niet alleen een magnetisch veld kon waarnemen, maar ook een beslissing erover kon nemen, nog voordat de uiteindelijke meting werd uitgevoerd. Ze concentreerden zich op binaire classificatietaken, wat problemen zijn waarbij het doel is om een signaal in één van de twee groepen te sorteren, zoals het onderscheiden tussen een zwak magnetisch veld en een sterk magnetisch veld, of het verschil aangeven tussen een signaal dat oscilleert op de ene frequentie versus de andere.

De onderzoekers vergeleken hun nieuwe methode met de conventionele aanpak, die het herhaaldelijk meten van het magnetische veld omvoorshands de sterkte of frequentie te schatten, en vervolgens een standaard computeralgoritme te gebruiken om te beslissen in welke categorie het signaal valt. In de eerste reeks tests gebruikten ze statische magnetische velden die niet in de tijd veranderen. Ze programmeerden de qubit om een specifieke sequentie van rotaties en pauzes te ondergaan, die afgewisseld werden met het waarnemen van het magnetische veld. Deze sequentie was ontworpen om te fungeren als een filter, die de relevante informatie voor de classificatietaak te versterken en de rest te onderdrukken. Wanneer ze de qubit aan het einde maten, gaf het resultaat direct de klasse van het magnetische veld aan. De resultaten waren opmerkelijk: voor deze statische veldtaken was de kwantumcomputationele methode tot wel 15 procentpunt nauwkeuriger dan de conventionele methode wanneer beide een gelijke hoeveelheid tijd kregen om te werken.

Het team ging vervolgens over naar moeilijkere uitdagingen waarbij oscillerende magnetische velden betrokken waren, die heen en weer wiebelen als een golf. Deze signalen zijn moeilijker te classificeren omdat hun fase, of de exacte timing van hun golf, willekeurig en onvoorspelbaar kan zijn. In de traditionele aanpak gebruiken wetenschappers vaak een techniek genaamd dynamische ontkoppeling (dynamical decoupling), waarbij een reeks pulsen aan de sensor wordt toegepast om ruis te elimineren en het signaal van de frequentie of amplitude te isoleren. De onderzoekers testten hun kwantumcomputationele protocol tegen deze geoptimaliseerde traditionele pulsen. Voor de taak van het identificeren van de amplitude, of de hoogte, van het oscillerende veld, verbeterde hun methode de nauwkeurigheid met tot wel 20 procentpunt. Toen de taak verschoof naar het identificeren van de frequentie, of hoe snel het veld wiebelde, behield de nieuwe methode nog steeds een aanzienlijk voordeel, met een verbetering van de nauwkeurigheid tot wel 15 procentpunt.

Wat deze resultaten bijzonder opmerkelijk maakt, is dat het hele proces werd uitgevoerd door een enkele kwantumbit. Meestal wordt van kwantumcomputers verwacht dat ze vele qubits nodig hebben om complexe berekeningen uit te voeren, maar dit experiment toonde aan dat zelfs een minimaal groot systeem, onderhevig aan de praktische beperkingen van ruis en fouten, de standaardtechnieken kan overtreffen. De sleutel was dat de onderzoekers niet probeerden het magnetische veld perfect te meten en dan het antwoord te berekenen. In plaats daarvan trainden ze de sequentie van kwantumoperaties om het ruwe signaal direct in kaart te brengen op de uiteindelijke meetuitkomst. Door dit te doen, concentreerden ze de relevante informatie in de enkele bit aan gegevens die door de meting werd onthuld, waardoor ze effectief de noodzaak om het volledige signaal eerst te reconstrueren omzeilden.

De studie benadrukte ook hoe de complexiteit van de taak de resultaten beïnvloedde. Naarmate de classificatieregels ingewikkelder werden, waarbij de signaalruimte in kleinere en talrijker wordende regio's werd verdeeld, werd het voordeel van de kwantumcomputationele aanpak groter. In de meest complexe scenario's hadden de traditionele methoden moeite om het bij te houden, terwijl het kwantumprotocol een hoge nauwkeurigheid behield. Dit suggereert dat naarmate de problemen die we sensoren vragen op te lossen geavanceerder worden, het vermogen om direct binnen de sensor te rekenen steeds waardevoller wordt. De onderzoekers merkten op dat hun succes steunde op een techniek genaamd kwantumsignaalverwerking (quantum signal processing), die een nauwkeurige vormgeving mogelijk maakt van hoe de kwantumtoestand reageert op het signaal. Ze optimaliseerden deze sequenties met behulp van computersimulaties die hun specifieke hardware modelleerden, waardoor het protocol robuust bleef tegen de ruis die inherent is aan real-world apparaten.

Hoewel de experimenten in een gecontroleerde laboratoriumomgeving werden uitgevoerd, reiken de implicaties verder dan dit specifieke apparaat. De onderzoekers suggereren dat deze aanpak kan worden aangepast aan andere soorten kwantumsensoren, zoals die gebruikt worden voor medische beeldvorming of navigatie. De kern van het idee is dat door berekening te integreren in het waarnemingsproces, we deze apparaten efficiënter en krachtiger kunnen maken zonder noodzakelijkerwijs grotere, complexere machines te hoeven bouwen. Het werk demonstreert dat de grens tussen waarnemen en rekenen niet zo rigide is als ooit gedacht, en dat een enkele kwantumsystem zowel de ogen kan zijn die het signaal zien als het brein dat het interpreteert. Dit opent een pad naar een nieuwe generatie sensoren die niet alleen passieve waarnemers van de fysieke wereld zijn, maar actieve deelnemers aan het begrijpen ervan.