Aplicación de Técnicas de Aprendizaje Automático a la Transmisión de Estados Cuánticos en Cadenas de Espines

SOFÍA PERÓN SANTANA; DOMÍNGUEZ, MARTÍN; OMAR OSENDA

Córdoba

Congreso; CUANTOS V - Quinto Taller Argentino de Cuántica; 2023

Facultad de Matemática, Astronomiía, Física y Computación

La posibilidad de implementar experimentalmente sistemas que funcionen como arreglos de qubits (por ejemplo,cadenas de quantum dots, arreglos de qubits superconductores) ha impulsado la búsqueda de protocolos detransmisión de estados rápidos y de alta fidelidad. Es sencillo encontrar formas de cuantificar la fidelidad del estadotransmitido. Sin embargo, la función asociada a esta magnitud depende de una gran cantidad de parámetros, porlo que no resulta fácil de optimizar. Con esta motivación, se propone utilizar dos tipos de algoritmos de aprendizajeautomático o Machine Learning para encontrar parámetros que maximicen la fidelidad. En primer lugar, se utilizanalgoritmos genéticos para encontrar valores de acoplamientos óptimos en cadenas representadas por Hamiltonianosde tipo XX y Heisenberg. Se analizan las diferencias de complejidad entre ambos modelos y se estudian las ventajasde agregar (o no) información física del sistema al algoritmo. En segundo lugar, se implementa un algoritmo deaprendizaje por refuerzos profundo (Deep Reinforcement Learning o DRL) para encontrar secuencias de pulsosmagnéticos externos que permitan mejorar la transmisión en cadenas de tipo XX.