AI-aangedreven kwantumtechnieken verhogen de gevoeligheid van de magnetometer zesvoudig

• Onderzoekers ontwikkelen een nieuwe methode om magnetische velden te meten met behulp van quantumsysteem- en machine learning-technieken.
• Ze bereiken een gevoeligheid die zes keer hoger is dan wat met conventionele technieken kan worden bereikt. 

Er zijn bepaalde grenzen aan hoe precies je dingen kunt meten. Neem bijvoorbeeld een röntgenfoto. Deze is behoorlijk wazig en vereist een deskundige arts om deze goed te kunnen interpreteren. Hoewel een hogere intensiteit en langere blootstellingstijden het contrast tussen meerdere weefsels zouden kunnen verbeteren, is een dergelijke grote hoeveelheid straling niet veilig voor de mens.

U bent wellicht op de hoogte van de standaard kwantumlimiet, die zegt dat de nauwkeurigheid van de meting omgekeerd evenredig is met de vierkantswortel van bepaalde hulpbronnen. Hoe meer u middelen inzet (stralingskracht, tijd, aantal afbeeldingen), hoe nauwkeuriger uw meting wordt. Hogere precisie betekent dus het gebruik van uitgebreide bronnen.

Nu heeft een internationaal team van natuurkundigen van MIPT, Aalto University, Landau Institute en ETH Zurich Department of Physics een betere methode bedacht om magnetische velden te meten met behulp van kwantumsystemen en machine learning-technieken.

Ze demonstreerden een magnetometer met een nauwkeurigheid die verder ging dan de standaard kwantumlimiet. Laten we eens kijken hoe ze het hebben ontwikkeld.

Qubit gebruiken om magnetische velden met hoge gevoeligheid te meten

Onderzoekers hebben de nauwkeurigheid van magnetische veldmetingen verbeterd door gebruik te maken van de coherentie van een qubit, een supergeleidend kunstmatig atoom. Het is een heel klein apparaatje gemaakt van overlappende aluminium strips op een siliciumchip – dezelfde techniek wordt gebruikt om mobiele en computerprocessors te vervaardigen.

Een qubit gerealiseerd uit aluminium strips op een siliciumchip | Afbeelding tegoed: Babi Brasileiro / Aalto Universiteit

Wanneer het apparaat wordt blootgesteld aan zeer lage temperaturen, vloeit de stroom er bijna zonder weerstand doorheen, en begint het apparaat eigenschappen van de kwantummechanica te vertonen die vergelijkbaar zijn met die van echte atomen. In feite is het intrinsieke magnetische moment ongeveer 100.000 keer groter dan dat van echte atomen/ionen.

De toestand van de qubit verandert wanneer deze wordt bestraald met een microgolfpuls. Deze verandering is afhankelijk van het toegepaste externe magnetische veld. Om het magnetische veld te kennen hoef je dus alleen maar het atoom te meten.

In een op qubit gebaseerde magneetvelddetector oscilleert de coherentie tussen twee toestanden (coherente superposities van kwantumtoestanden) met de frequentie van het magnetische veld dat het apparaat binnendringt. Hoe hoger de mate van faseverandering van de golffunctie kan worden gemeten, hoe hoger de nauwkeurigheid.

Referentie:npj Quantum-informatie | doi:10.1038/s41534-018-0078-y | ETH Zürich

Dit levert u echter geen nauwkeurigheid op die verder gaat dan de standaard kwantumlimiet. Je moet een ander trucje toepassen, namelijk patroonherkenning met behulp van machine learning.

De onderzoekers pasten een adaptieve aanpak toe. Ze voerden een meting uit en voerden het resultaat door naar machine learning-algoritmen. Vervolgens lieten ze AI beslissen hoe ze in de volgende stap een controleparameter zouden wijzigen om tot de snelste schatting van het magnetische veld te komen.

Hierdoor konden ze een gevoeligheid bereiken die ongeveer zes keer hoger is dan wat met conventionele technieken kan worden bereikt.

Conclusie

Deze combinatie van het gebruik van kwantumhardware en begeleide machine learning-algoritmen in de context van kwantumdetectie belooft magnetometers met één of meerdere qubits die nauwkeurigheid kunnen bieden die verder gaat dan de grenzen van de huidige magnetische velddetectoren.

Lees:De eerste simulatie van de atoomkern op een kwantumcomputer

Detectie van magnetische velden is cruciaal in een breed scala van velden, van het in beeld brengen van hersenactiviteiten tot geologische verwerking. Het is een kleine stap in de richting van het gebruik van kwantum-verbeterde methoden voor sensortechnologie.