[論文レビュー] Experimental quantum memristor

Michele Spagnolo, Joshua Morris+7 more|arXiv (Cornell University)|May 11, 2021

Neural Networks and Reservoir Computing参考文献 54被引用数 5

ひとこと要約

本論文は、単一光子における非ユニタリ、測定誘発型ダイナミクスを通じてメモリスタ的挙動を示す統合光回路を用いた量子メモリスタの実験的実現を示している。デバイスは高い忠実度の状態再構成（平均98.7％の忠実度）を達成し、古典的アーキテクチャよりも優位性を示す可能性を有する量子リザボアコンピューティングを可能にする。

ABSTRACT

Quantum computer technology harnesses the features of quantum physics for revolutionizing information processing and computing. As such, quantum computers use physical quantum gates that process information unitarily, even though the final computing steps might be measurement-based or non-unitary. The applications of quantum computers cover diverse areas, reaching from well-known quantum algorithms to quantum machine learning and quantum neural networks. The last of these is of particular interest by belonging to the promising field of artificial intelligence. However, quantum neural networks are technologically challenging as the underlying computation requires non-unitary operations for mimicking the behavior of neurons. A landmark development for classical neural networks was the realization of memory-resistors, or "memristors". These are passive circuit elements that keep a memory of their past states in the form of a resistive hysteresis and thus provide access to nonlinear gate operations. The quest for realising a quantum memristor led to a few proposals, all of which face limited technological practicality. Here we introduce and experimentally demonstrate a novel quantum-optical memristor that is based on integrated photonics and acts on single photons. We characterize its memristive behavior and underline the practical potential of our device by numerically simulating instances of quantum reservoir computing, where we predict an advantage in the use of our quantum memristor over classical architectures. Given recent progress in the realization of photonic circuits for neural networks applications, our device could become a building block of immediate and near-term quantum neuromorphic architectures.

研究の動機と目的

• 量子ニューラルネットワークに不可欠な非線形的かつ散逸的演算を量子計算に統合する課題に取り組むこと。
• 古典的メモリスタのヒステリシス的かつ記憶依存的挙動を模倣する実用的量子メモリスタを、量子光学プラットフォーム上で実現すること。
• 統合光子工学と単一光子状態を用いた、実験的に実現可能な量子メモリスタのアーキテクチャを提示すること。
• 近い将来の量子ニューロモルフィックコンピューティング応用、特に量子リザボアコンピューティング分野におけるデバイスの可能性を評価すること。

提案手法

• 量子メモリスタは、入力光子状態と干渉計の反射率に依存する可変Mach-Zehnder干渉計を用いた光チップ上で実装されている。
• 測定誘発型フィードバック機構を用いて非ユニタリで記憶依存的な時間発展を生成し、古典的メモリスタのヒステリシスに類似した挙動を実現している。
• 理論的予測と比較するため、さまざまな入力状態と反射率設定における出力密度行列に対して量子状態トモグラフィーを実施している。
• 密度行列の非対角項を実験データにフィッティングすることで、全位相φ_global = 5.6 radを抽出した。
• 入力光子数|β|²と干渉計の反射率Rの16通りの組み合わせについて、全入力状態範囲をカバーしてシステムを特徴付けた。
• 数値シミュレーションを用いて、デバイスの量子リザボアコンピューティングタスクにおける性能を評価し、古典的アーキテクチャよりも優位性を示す可能性を予測した。

実験結果

リサーチクエスチョン

• RQ1 単一光子と統合回路を用いた光プラットフォームで、量子メモリスタを実験的に実現できるか？
• RQ2 デバイスは、量子領域におけるメモリスタ的挙動と整合する非ユニタリで記憶依存的なダイナミクスを示すか？
• RQ3 量子メモリスタは、異なる入力状態およびシステムパラメータにおいて、どの程度量子コherーの性質と忠実度を維持するか？
• RQ4 量子メモリスタは、量子リザボアコンピューティングタスクにおいて、古典的アーキテクチャを上回る性能を示せるか？

主な発見

• 実験的に再構成された出力密度行列は、理論的予測と優れた一致を示し、全テスト設定で平均98.7％の忠実度を達成した。
• 非ユニタリで測定誘発型の時間発展を通じて、デバイスはメモリスタ的挙動を示しており、出力状態は入力状態と、反射率Rによるシステムの履歴に依存する。
• 実験データから全位相φ_global = 5.6 radが成功裏に抽出され、チップ内での一貫性のあるパス長差の存在が裏付けられた。
• 入力条件が変化しても高い忠実度を維持しており、テストされたパラメータセット全体で個々の忠実度は94.92％から99.71％の範囲にとどまった。
• 数値シミュレーションの結果、量子メモリスタは古典的実装と比較して、量子リザボアコンピューティングタスクにおいて性能優位性を示す可能性があることが示された。
• 理論的純度と実験的純度の一致が顕著で、特にTr(ρ²) ≈ 0.5–1.0の範囲で、顕著な追加デコherenceは観測されなかった。