[논문 리뷰] Experimental quantum memristor

Michele Spagnolo, Joshua Morris외 7명|arXiv (Cornell University)|2021. 05. 11.

Neural Networks and Reservoir Computing참고 문헌 54인용 수 5

한 줄 요약

이 논문은 단일 광자에서 비유니터리이고 측정에 의해 유도되는 동역학을 통해 메모리 효과를 보이는 통합 광학 회로를 사용하여 양자 메모리스터를 실험적으로 구현한다. 장치는 평균 98.7%의 고정밀도 상태 재구성 성능을 달성하며, 전통적인 아키텍처에 비해 우수한 잠재력을 보이는 양자 리저보아르 컴퓨팅을 가능하게 한다.

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.

연구 동기 및 목표

• 양자 신경망에 필수적인 비선형성과 소산 작용을 양자 계산에 통합하는 데 도전하는 것.
• 실제로 구현 가능한, 고전적 메모리스터의 히스테리시스 및 기억 의존적 거동를 모방하는 양자 광학 플랫폼에서의 실용적 양자 메모리스터를 실현하는 것.
• 통합 광학 기반 및 단일 광자 상태를 활용한, 실험적으로 실현 가능한 양자 메모리스터 아키텍처를 제시하는 것.
• 근거리 양자 뉴로모픽 컴퓨팅 응용, 특히 양자 리저보아르 컴퓨팅 분야에서 장치의 잠재력을 평가하는 것.

제안 방법

• 양자 메모리스터는 광학 칩 내에서 조절 가능한 막스-제너더 간섭계를 사용하여 실현되며, 출력 상태는 입력 광자 상태와 간섭계의 반사율에 따라 달라진다.
• 비유니터리이고 기억 의존적인 진화를 유도하기 위해 측정에 기반한 피드백 메커니즘이 사용되며, 이는 고전적 메모리스터의 히스테리시스와 유사하다.
• 다양한 입력 상태와 반사율 설정에서 출력 밀도 행렬에 대해 양자 상태 토모그라피를 수행하고, 이론적 예측과의 일치도를 평가한다.
• 밀도 행렬의 비대각항에 실험 데이터를 피팅하여 전체 위상 이득을 추출하였으며, φ_global = 5.6 rad로 도출되었다.
• 입력 광자 수 밀도 |β|²와 간섭계 반사율 R의 16가지 조합을 통해 전체 입력 상태 범위를 커버하는 시스템 특성 분석을 수행하였다.
• 수치 시뮬레이션을 통해 장치의 양자 리저보아르 컴퓨팅 임무에서의 성능을 평가하였으며, 전통적 아키텍처에 비해 우월한 성능을 예측하였다.

실험 결과

연구 질문

• RQ1 단일 광자와 통합 회로를 사용한 광학 플랫폼에서 양자 메모리스터를 실험적으로 실현할 수 있는가?
• RQ2 장치는 양자 영역에서 메모리스터적 거동과 일치하는 비유니터리이고 기억 의존적인 동역학을 나타내는가?
• RQ3 다양한 입력 상태와 시스템 파라미터에서 양자 메모리스터가 양자 코herence와 정밀도를 얼마나 잘 유지하는가?
• RQ4 양자 리저보아르 컴퓨팅 임무에서 양자 메모리스터가 전통적 아키텍처를 능가할 수 있는가?

주요 결과

• 실험적으로 재구성된 출력 밀도 행렬은 이론적 예측과 뛰어난 일치를 보였으며, 모든 테스트 구성에서 평균 98.7%의 정밀도를 달성하였다.
• 장치는 비유니터리이고 측정에 의해 유도되는 진화를 통해 메모리스터적 거동를 나타내며, 출력 상태는 입력 상태뿐 아니라 반사율 R에 의한 시스템의 역사에 따라 달라진다.
• 실험 데이터로부터 전체 위상 이득 φ_global = 5.6 rad가 성공적으로 추출되었으며, 칩 내 공진 경로 길이의 위상 차이가 존재함을 확인하였다.
• 양자 메모리스터는 다양한 입력 조건에서도 높은 정밀도를 유지하며, 테스트된 파rameter 세트에서 개별 정밀도는 94.92%에서 99.71% 사이로 변동하였다.
• 수치 시뮬레이션 결과, 양자 메모리스터는 전통적 구현에 비해 양자 리저보아르 컴퓨팅에서 성능 우위를 보일 수 있음을 나타냈다.
• 이론적 및 실험적 순수도 값(Tr(ρ²) ≈ 0.5–1.0) 간의 뛰어난 일치로 인해 추가적인 디코herence가 발생하지 않음을 입증하였다.