کمیسازی حالات کوانتومی ناشناخته: مطالعهای دربارهٔ کارآیی روشهای موجود
سنجش و توصیف دقیق و قابلاعتماد حالات کوانتومی سامانههای گوناگون، مزایای قابلتوجهی برای پژوهش در فیزیک کوانتومی و توسعهٔ فناوریهای کوانتومی دارد. بهطور معمول، برای سنجش این حالات، انجام تعدادی اندازهگیری و بازسازی آنها از طریق فرایندی به نام توموگرافی حالت کوانتومی ضروری است.
پژوهشگران Freie Universität Berlin، Scuola Normale Superiore در ایتالیا و سایر مؤسسات بهتازگی مطالعهای انجام دادند تا دقتی که توموگرافی میتواند بهطور قابلاعتماد، حالات مختلف کوانتومی را در سامانههایی با اندازههای متفاوت بازسازی کند، روشن سازند. نتایج آنها که در Nature Physics منتشر شد، نشان میدهد که توموگرافی این حالات در سامانههایی که توسط درجههای آزادی پیوسته توصیف میشوند، مانند مودهای نور در سیستمهای بوزونی و نوری‑کوانتومی، بهطور قابلتوجهی ناکارآمد است.
“مفهوم توموگرافی حالت کوانتومی سابقهای طولانی دارد”، جنز ایزرِت، همنویسنده مقاله، به Phys.org گفت. “در نهایت، در هر آزمایشی، دادهها تنها آنچه در اختیار داریم هستند، بنابراین طبیعی است که دربارهٔ یادگیری حالات کوانتومی ناشناخته از دادههای جمعآوریشده فکر کنیم. این ایدهها بهویژه در سیستمهای نوری‑کوانتومی برجسته بودهاند، جایی که آمادهسازی حالت تاریخچهای بسیار طولانی دارد.”
بررسی مرزهای توموگرافی حالت کوانتومی
اصطلاح «توموگرافی» نخست در حوزهٔ تصویربرداری پزشکی ایجاد شد. در این زمینه، این فرایند به متخصصان پزشکی این امکان را میدهد تا اشیای چندبعدی را از پروجکسیونهای بعدی‑پایین بازسازی کنند. بهطور قابلتوجه، این بازسازی در زمینهٔ اپتیک کوانتومی نیز کاربرد دارد.
“روشهای توموگرافی حالت کوانتومی به دههٔ ۱۹۸۰ و حتی پیش از آن بازمیگردند”، ایزرِت گفت. “بهتازگی، پژوهشگران شروع به تفکر دربارهٔ آمادهسازی و توصیف حالتها بهصورت دقیقتر و کمیتری کردهاند. با الهام از پیشرفت سریع فناوریهای کوانتومی، اکنون پرسیده میشود که با منابع آزمایشی واقعی چه چیزی بهطور قابلاعتماد قابل دستیابی است. این همان نگرشی است که ما اتخاذ کردیم.”
با بهرهگیری از پیشرفتهای اخیر فناوریهای کوانتومی، ایزرِت و همکارانش به منظور تعیین دقتی که میتوان از دادهها برای یادگیری حالات کوانتومی ناشناخته بهدست آورد، تحقیق خود را آغاز کردند. آنها دو نوع متمایز از حالتها را بررسی کردند: حالتهای گاوسی (یعنی حالتهایی که بهصورت کامل توسط لحظات آماری اول و دوم توصیف میشوند) و حالتهای غیر‑گاوسی (یعنی حالتهایی که ویژگیهایی فراتر از آمارهای گاوسی معمولی نشان میدهند).
“ما بهراستی شگفتزده شدیم وقتی فهمیدیم مسأله تا چه حد دشوار است: پیچیدگی نمونهگیری بهطور بسیار نامطلوب با افزایش دقت مورد نیاز بازسازی رشد میکند”، ایزرِت توضیح داد. “توموگرافی حالت کوانتومی برای سامانههای متغیر پیوسته معمولاً با استفاده از تشخیص هومودین یا هترودین انجام میشود — تکنیکهایی که بهطبیعی با طبیعت پیوستهٔ نور هماهنگ هستند. این روشها همچنین بینشهای ارزشمندی دربارهٔ ساختار حالت کوانتومی تحت بررسی ارائه میدهند.”
نقاط قوت و محدودیتهای تکنیکهای موجود توموگرافی
نتایج این مطالعه، محدودیتهای روشهای موجود برای توصیف حالات کوانتومی را برجسته میکند. بهطور خاص، نشان میدهد که توموگرافی حالت کوانتومی برای سامانههای متغیر پیوسته نسبت به سامانههای با بُعد محدود بهصورت قابلتوجهی دشوارتر است.
“شگفتی اصلی برای ما این بود که روشهای تثبیتشده توسط محدودیتهای نظریهٔ پیچیدگی بهطور جدی بهچالش کشیده میشوند”، ایزرِت گفت. “در نهایت، یادگیری دقیق حالات کوانتومی متغیر پیوستهٔ ناشناخته بسیار دشوار است، صرفنظر از روشی که بهکار گرفته میشود. این حتی تحت محدودیتهای طبیعی بر انرژی و لحظات نیز صادق است.”
کار اخیر ایزرِت و همکارانش، روشنایی جدیدی به این میاندازد که چه چیزی میتوان بهصورت واقعی در سامانههای کوانتومی با استفاده از روشهای کنونی اندازهگیری کرد و چه چیزی نمیتوان. بینش بهدستآمده توسط تیم، میتواند راهنمایی برای تلاشهای آینده در هدفگذاری بر توصیف حالات کوانتومی در دستگاههای نوظهور کوانتومی و نوری‑کوانتومی باشد.
“شاید مهمترین سهم مقالهٔ ما، حداقل از منظر فرهنگی، نشان دادن مزایای ارتقاء ارتباط میان پژوهشگران از حوزههای مختلف است”، ایزرِت گفت. “نباید نتایج قدیمی را دستنخورده بپذیریم. مرور دوبارهٔ سؤالهای قدیمی برای فهمیدن میزان کارآیی واقعی یک روش ارزشمند است. از نظر فیزیکی، طبیعت بُعدیبینهایت حالات نور، تعیین دقیق آنچه در یک آزمایشگاه رخ میدهد را بهطور بسیار دشوار میکند.”
پژوهشگران برنامه دارند تا ارزیابی اثرگذاری و قابلیت گسترش روشهای موجود برای کمیسازی حالات کوانتومی را ادامه دهند. این مسأله به نوبهٔ خود به آنها کمک میکند تا فناوریهای کوانتومی پیشرفتهتر و با عملکرد بهتر توسعه دهند.
“ما اکنون مشتاقیم نظریهٔ عملی یادگیری در دنیای کوانتومی را پایهگذاری کنیم”، ایزرِت افزود. “بهطور گستردهتر، هدف ما این است که بفهمیم چه چیزی می توان با حجم معقولی از دادهها—و در بهترین حالت به شکل چندجملهای—دربارهٔ سامانههای فیزیکی در طبیعت استنتاج کرد.”
اطلاعات بیشتر: فرانچسکو A. Mele و همکاران، یادگیری حالات کوانتومی سامانههای متغیر پیوسته، Nature Physics (2025). DOI: 10.1038/s41567‑025‑03086‑2
اطلاعات مجله: Nature Physics