Aplicación de técnicas de aprendizaje automático a la transmisión de estados cuánticos en cadenas de espines

Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022.

Guardado en:
Detalles Bibliográficos
Autor principal: Perón Santana, Sofía
Otros Autores: Osenda, Omar
Formato: bachelorThesis
Lenguaje:Español
Publicado: 2023
Materias:
Trasmisión de estados cuánticos
Optimización
Aprendizaje automático
Cadenas de espines
Aprendizaje por refuerzos
Cadena de bits cuánticos
Quantum State Transfer
Optimization
Machine Learning
Spin Chains
Qubits
Reinforcement Learning
Acceso en línea:http://hdl.handle.net/11086/546391
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R141-11086-546391
record_format dspace
spelling I10-R141-11086-5463912023-08-31T13:19:26Z Aplicación de técnicas de aprendizaje automático a la transmisión de estados cuánticos en cadenas de espines Perón Santana, Sofía Osenda, Omar Domínguez, Martín Ariel Trasmisión de estados cuánticos Optimización Aprendizaje automático Cadenas de espines Aprendizaje por refuerzos Cadena de bits cuánticos Quantum State Transfer Optimization Machine Learning Spin Chains Qubits Reinforcement Learning Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022. Fil: Perón Santana, Sofía. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. 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 enviando un estado cuántico a lo largo de una cadena de bits cuánticos o qubits. Idealmente, el estado llega de un extremo al otro de forma rápida y sin pérdida de información. La creciente posibilidad de implementar este tipo de sistemas experimentalmente ha impulsado la búsqueda de protocolos de transmisión rápidos y de alta fidelidad. Es sencillo encontrar formas de cuantificar la fidelidad de la transmisión. Sin embargo, la función asociada a la misma 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, en el presente trabajo, se plantea utilizar dos tipos de algoritmos de aprendizaje automático o Machine Learning para encontrar parámetros que maximicen la fidelidad. En primer lugar, se utilizan algoritmos genéticos para encontrar valores de acoplamientos óptimos en cadenas representadas por Hamiltonianos de tipo XX y Heisenberg. Se analizan las diferencias de complejidad entre ambos modelos y se estudian las ventajas de agregar (o no) información física del sistema al algoritmo. En segundo lugar, se implementa un algoritmo de aprendizaje por refuerzos profundo, es decir, combinado con una red neuronal (Deep Reinforcement Learning o DRL) para encontrar secuencias de pulsos magnéticos externos que permitan mejorar la transmisión en cadenas de tipo XX. To build any kind of computer hardware, it is necessary to implement information transmission protocols between its different parts. In the context of quantum computing, this transmission consists of sending a quantum state through a Qubit chain. Ideally, the state will travel across the chain fast and without loss of information. The increasing possibilities of implementing this type of systems experimentally has inspired the search of fast, high-fidelity transfer protocols. It is easy to find a function that quantifies transmission fidelity. However, said function depends on a really large amount of parameters that increases with the length of the chain. The optimization of this type of functions is not a trivial task. With this in mind, this work explores applying two Machine Learning algorithms to find parameters to maximize fidelity. In the first place, genetic algorithms are used to find coupling values in chains described by Heisenberg and XX Hamiltonians. The complexity differences between both models are discussed and the advantages of adding to the model information regarding the physical characteristics of the system. Then, a Deep Reinforcement learning algorithm is applied to find sequences of magnetic pulses that allow transmissions in XX chains. Fil: Perón Santana, Sofía. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. 2023-03-03T16:39:23Z 2023-03-03T16:39:23Z 2022-12 bachelorThesis http://hdl.handle.net/11086/546391 spa Atribución-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-sa/4.0/
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Español
topic Trasmisión de estados cuánticos
Optimización
Aprendizaje automático
Cadenas de espines
Aprendizaje por refuerzos
Cadena de bits cuánticos
Quantum State Transfer
Optimization
Machine Learning
Spin Chains
Qubits
Reinforcement Learning
spellingShingle Trasmisión de estados cuánticos
Optimización
Aprendizaje automático
Cadenas de espines
Aprendizaje por refuerzos
Cadena de bits cuánticos
Quantum State Transfer
Optimization
Machine Learning
Spin Chains
Qubits
Reinforcement Learning
Perón Santana, Sofía
Aplicación de técnicas de aprendizaje automático a la transmisión de estados cuánticos en cadenas de espines
topic_facet Trasmisión de estados cuánticos
Optimización
Aprendizaje automático
Cadenas de espines
Aprendizaje por refuerzos
Cadena de bits cuánticos
Quantum State Transfer
Optimization
Machine Learning
Spin Chains
Qubits
Reinforcement Learning
description Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022.
author2 Osenda, Omar
author_facet Osenda, Omar
Perón Santana, Sofía
format bachelorThesis
author Perón Santana, Sofía
author_sort Perón Santana, Sofía
title Aplicación de técnicas de aprendizaje automático a la transmisión de estados cuánticos en cadenas de espines
title_short Aplicación de técnicas de aprendizaje automático a la transmisión de estados cuánticos en cadenas de espines
title_full Aplicación de técnicas de aprendizaje automático a la transmisión de estados cuánticos en cadenas de espines
title_fullStr Aplicación de técnicas de aprendizaje automático a la transmisión de estados cuánticos en cadenas de espines
title_full_unstemmed Aplicación de técnicas de aprendizaje automático a la transmisión de estados cuánticos en cadenas de espines
title_sort aplicación de técnicas de aprendizaje automático a la transmisión de estados cuánticos en cadenas de espines
publishDate 2023
url http://hdl.handle.net/11086/546391
work_keys_str_mv AT peronsantanasofia aplicaciondetecnicasdeaprendizajeautomaticoalatransmisiondeestadoscuanticosencadenasdeespines
_version_ 1782013916000288768

Ejemplares similares