Aprendizaje automático aplicado a la transmisión de estados cuánticos

Título: Aprendizaje automático aplicado a la transmisión de estados cuánticos

Expositor: Sofía Perón Santana

Youtube

Meet:

Resumen

Para construir cualquier tipo de Hardware, es fundamental contar con protocolos de transmisión de información entre las distintas partes del mismo. En el contexto de la computación cuántica, esta transmisión se realiza mandando un estado a lo largo de una cadena de bits cuánticos o qubits. Idealmente, el estado llega de un extremo de la cadena al otro de forma rápida y sin pérdida de información.

Es sencillo encontrar formas de cuantificar la fidelidad de la transmisión. Sin embargo, esta función depende de una gran cantidad de parámetros (que, además, crece con el largo de las cadenas). Optimizar funciones de este tipo no resulta una tarea sencilla. Con esta motivación, se plantea usar dos tipos de algoritmos de aprendizaje automático para encontrar parámetros que maximicen la fidelidad. En primer lugar, analizamos el uso de algoritmos genéticos para sistemas cuánticos independientes del tiempo. En segundo lugar, se estudia el uso de una red neuronal combinada con un algoritmo de aprendizaje por refuerzos (Deep Reinforcement Learning o DRL) para encontrar protocolos de transmisión a través de pulsos que varían en el tiempo.

Mini-Bio:

Sofía Perón Santana, estudiante de último año de la Licenciatura en Física de FaMAF. Actualmente se encuentra investigando la aplicación de técnicas de aprendizaje automático a problemas de física, en particular de Mecánica Cuántica.