Dual Validation of Discord Features: Simulation and Hardware Evidence on IBM Quantum

In de vreemde en contra-intuïtieve wereld van de kwantumfysica kunnen deeltjes op manieren aan elkaar gekoppeld zijn die onze alledaagse ervaring tarten. Decennialang geloofden wetenschappers dat een specifiek type verbinding, genaamd verstrengeling (entanglement), de enige bron was die krachtig genoeg was om toekomstige kwantumcomputers aan te drijven. Echter, onderzoekers hebben ontdekt dat zelfs wanneer deeltjes te luidruchtigig of chaotisch zijn om verstrengeld te raken, ze nog steeds een andere, subtielere relatie kunnen delen. Deze verbinding, bekend als kwantumdiscord, werkt als een verborgen laag informatie die blijft voortbestaan, zelfs wanneer de sterkere banden verbreken. Het begrijpen van de vraag of deze subtiele link daadwerkelijk gebruikt kan worden om gegevens te verwerken, is een cruciale vraag voor de huidige generatie kwantummachines, die krachtig zijn maar nog steeds gevoelig voor fouten en interferentie vanuit hun omgeving.

Een team van onderzoekers van de Sana'a Universiteit heeft een belangrijke stap gezet naar het beantwoorden van deze vraag door te testen of deze op discord gebaseerde verbindingen als betrouwbare instrumenten voor machine learning kunnen dienen. Ze richtten zich op een nieuwe manier om dit fenomeen te meten, die zij "measurement-induced coherence-threshold discord" noemen. In eenvoudige termen stelt dit concept een specifieke vraag: hoeveel interne orde, of coherentie, moet een deeltje bezitten voordat een eenvoudige meting een verborgen kwantumverbinding kan activeren? De onderzoekers wilden zien of deze specifieke drempelwaarde gebruikt kon worden als een kenmerk om een computer te trainen om patronen te herkennen, vergelijkbaar met hoe een mens leert om verschillende soorten wolken te onderscheiden door naar hun vormen te kijken.

Om dit te ontdekken, bouwde het team een uitgebreid testkader dat twee verschillende benaderingen combineerde. Eerst voerden ze duizenden simulaties uit op een krachtige klassieke computer om te modelleren hoe deze kwantumtoestanden zich zouden gedragen onder ideale omstandigheden en onder verschillende soorten ruis. Daarna gingen ze naar de echte wereld en voerden ze hun experimenten uit op een fysieke kwantumprocessor die zich bij IBM bevindt. Deze machine, bekend als de ibm fez, bevat 156 qubits, de basisunits van informatie voor een kwantumcomputer. Door dezelfde tests zowel op de simulatie als op de werkelijke hardware uit te voeren, konden de onderzoekers hun theoretische voorspellingen vergelijken met de rommelige realiteit van een functionerende kwantumdevice.

De resultaten waren bemoedigend. Het team kwam tot de conclusie dat de kenmerken afgeleid van kwantumdiscord zeer effectief waren in het helpen van de computer om te leren. Ze testten twee verschillende soorten kwantum-leermodellen: één die zijn eigen instellingen aanpast om patronen te vinden, en een andere die een wiskundige benadering gebruikt om grenzen tussen datagroepen te trekken. Beide modellen presteerden goed, maar het aanpasbare model, een variational quantum classifier, toonde een bijzondere kracht. Het was in staat om de complexe geometrische vormen gevormd door de kwantumdata met hoge nauwkeurigheid te identificeren, vaak meer dan 90 procent in de simulaties. Cruciaal was dat het model leerde de specifieke hoeken en grenzen te herkennen waar de kwantumverbinding zou activeren, wat bewees dat de machine niet simpelweg gokte, maar daadwerkelijk de onderliggende structuur van de data begreep.

Misschien wel de belangrijkste ontdekking was hoe goed deze systemen standhielden tegen ruis. Kwantumcomputers zijn berucht fragiel; zelfs minuscule verstoringen door warmte of elektromagnetische velden kunnen een berekening verruïneren. De onderzoekers introduceerden doelbewust verschillende soorten ruis in hun simulaties om te zien hoeveel de modellen konden tolereren voordat ze faalden. Ze ontdekten dat de kwantumdiscord-kenmerken nuttig bleven, zelfs wanneer de ruisniveaus vrij hoog waren. De modellen stortten niet onmiddellijk in; in plaats daarvan degradeerden ze gracieus en behielden ze hun vermogen om data correct te classificeren, zelfs wanneer de omgeving verre van perfect was. Dit suggereert dat discord een robuuste bron is die kan overleven in de imperfecte omstandigheden van de huidige technologie.

Toen het team hun experimenten naar de werkelijke IBM-hardware verplaatste, bevestigden de resultaten wat de simulaties hadden voorspeld. De fysieke machine, ondanks de realiteit van haar beperkingen en de ruis die inherent is aan haar supergeleidende componenten, produceerde resultaten die nauw overeenkwamen met de gesimuleerde data. In één specifieke test met een twee-qubit toestand, behaalde de hardware een nauwkeurigheid van 93,5 procent. Deze nauwe aansluiting tussen het virtuele model en de fysieke machine is een sterke indicator dat het theoretische kader accuraat beschrijft hoe echte kwantumprocessors zich gedragen. Het demonstreert dat de subtiele verbindingen die door discord worden gemeten, geen wiskundige abstracties zijn, maar tastbare, meetbare bronnen die op de huidige machines kunnen worden ingezet.

De studie concludeert dat kwantumdiscord meer is dan een theoretische curiositeit; het is een praktisch hulpmiddel voor het huidige tijdperk van kwantumcomputing. Door aan te tonen dat deze kenmerken geleerd kunnen worden door machines en effectief blijven onder realistische ruis, hebben de onderzoekers een nieuwe weg vooruit gebaand voor kwantum machine learning. In plaats van te wachten op perfecte, foutvrije kwantumcomputers, kunnen wetenschappers nu deze op discord gebaseerde methoden gebruiken om nuttige toepassingen te bouderen op de ruisgevoelige apparaten die vandaag de dag beschikbaar zijn. Dit werk overbrugt de kloof tussen abstracte theorie en experimentele realiteit, en biedt een betrouwbare manier om de unieke capaciteiten van kwantumsystemen te diagnosticeren en te benutten terwijl zij blijven evolueren.