Машинное обучение помогло исправить искаженную информацию в квантовых системах |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-03-23 08:01 Исследователи, финансируемые армией США, продемонстрировали подход машинного обучения, который корректирует квантовую информацию в системах, состоящих из фотонов. Разработка улучшит перспективы развертывания технологий квантового зондирования и квантовых коммуникаций на поле боя. Когда фотоны используются в качестве носителей квантовой информации для передачи данных, она часто искажается из-за флуктуаций окружающей среды. Они разрушают хрупкие квантовые состояния, необходимые для ее сохранения. Исследователи из университета штата Луизиана (LSU) использовали машинное обучение для исправления искажения информации в квантовых системах, состоящих из фотонов. Опубликованная в Advanced Quantum Technologies работа продемонстрировала, что методы машинного обучения с использованием самообучающихся и саморазвивающихся функций искусственных нейронных сетей помогут исправить искаженную информацию. Новый результат превосходит традиционные протоколы, которые полагаются на обычную адаптивную оптику. «Мы все еще находимся на довольно ранних стадиях понимания того, что методы машинного обучения могут сыграть роль в квантовой информатике, — объясняет женщина-доктор Сара Гэмбл, руководитель программы в Исследовательском офисе армии США (Армейская исследовательская лаборатория). — Результат команды — захватывающий шаг вперед в развитии этого понимания». Для этого исследования команда использовала тип нейронной сети для коррекции искаженных пространственных мод света на однофотонном уровне. «Случайное фазовое искажение — одна из самых больших проблем при использовании пространственных режимов света в широком спектре квантовых технологий, таких как квантовая связь, квантовая криптография и квантовое зондирование, — подчеркнул Нараян Бхусал, докторант LSU. — Наш метод чрезвычайно эффективен и экономичен по времени по сравнению с традиционными методами. Это захватывающее событие для будущего квантовых технологий в свободном пространстве». По словам исследовательской группы, эта умная квантовая технология демонстрирует возможность кодирования нескольких бит информации в одном фотоне в реалистичных протоколах связи, подверженных атмосферной турбулентности. «Наша техника имеет огромное значение для оптической связи и квантовой криптографии — заключает Омар Маганья Лоайса, доцент физики LSU. — В настоящее время мы изучаем способы реализации нашей схемы машинного обучения в рамках инициативы Louisiana Optical Network Initiative, чтобы сделать ее более интеллектуальной, безопасной и квантовой». Источник: hightech.fm Комментарии: |
|