Bayram Eker
Menü
TR
CV İletişime geç

Ana sayfa / Yazılar / Araştırma

İki kuantum modeli uyuyorsa hangisine güveneceğiz?

Aynı ölçümleri iki farklı kuantum modeli açıklayabilir. Küçük bir kübit örneğiyle, kontrol hakkında yine de ne söyleyebileceğimizi araştırıyorum.

İki giriş modülü ve iki gözlem açıklığı bulunan hassas bir ölçüm düzeneğinin aydınlık stüdyo görseli.
Tek ölçüm, birden fazla açıklamayı açık bırakabilir. Görsel kavramsal; hesaplanan gerçek eğriler yazının içinde.

Elinizde ölçümler, onlara uyan bir model ve simülasyonda iyi çalışan bir kontrol var. Düşünce sırası gayet ikna edici. Sonra aynı verilere başka bir modelin de uyduğunu, ama aynı kontrolün o modelde farklı sonuç verdiğini görüyorsunuz. Ölçümler değişmedi. Onlara bakarak ne kadar iddialı konuşabileceğiniz değişti.

Eylül 2026’daki teknik çalışmamda bu soruya baktım. Bir modeli erkenden seçmek yerine, deneyin henüz ayıramadığı modelleri elde tutuyorum. Sonra hepsinde hangi performansın mümkün olduğunu ve hangi ek ölçümün işe yardım edeceğini soruyorum.

Çalışma, tarif edilmiş bir araştırma sorusu ve yeniden hesaplanabilir küçük bir örnek sunuyor; genel sertifikasyon yöntemi ya da donanım sonucu değil. Aşağıdaki denklemler örneği kesinleştiriyor. Ana fikir daha sade: aynı türden daha çok ölçüm yapmak, önemli olan şüpheyi her zaman gidermiyor.

Verinin izin verdiği açıklamaları elde tutmak

Bir sistemi ne kadar tanıyabildiğimiz, deneyde neyi hazırlayıp neyi ölçebildiğimize bağlı. Hamiltonyenleri, yani sistemi tarif eden enerji modelleri farklı olan iki düzenek, aynı deneylerde birbirinden ayırt edilemez. Burgarth ve Yuasa’nın sistem tanımlama çerçevesi, hangi bilgiye ulaşabileceğimizi bu deney imkânları üzerinden ele alıyor.

Bu yüzden önce hangi fiziksel modelleri dikkate aldığımı belirliyor ve verilerle ve varsayımlarla uyumlu bütün modelleri elde tutuyorum. Bunlar birbirinden uzak iki grup da oluşturabilir. Tek bir tahminin çevresine çizilen güven aralığı, öteki grubu gözden kaçırabilir. İkisini ayırmayan ölçümü tekrar etmek gürültüyü azaltır; ama bu soruyu çözmez.

Burada belirsizliğin iki biçimini ayırmak yardımcı oluyor:

  • Tam gözlemsel eşdeğerlik, iki modelin belirli bir sistem tanımlama deneyleri kümesindeki her protokol için aynı sonuç olasılıklarını vermesidir. Bu, matematiksel anlamda bir eşdeğerlik ilişkisidir.
  • Sonlu veriden kurulan tutarlılık kümesi, tahminleri belirlenen istatistiksel koşulları karşılayan modelleri içerir. Ölçülen sıklıklara yakın olmak, tek başına bir eşdeğerlik ilişkisi tanımlamaz.

İşe devam etmek için mutlaka tek model kalması gerekmiyor. Veri yeterliliği üzerine klasik çalışmalar, kimi analiz ve kontrol işlerinin tek modeli bulmadan da yapılabildiğini gösteriyor. Bütün uyumlu modelleri elde tutmak, bu çalışmada yeni olduğunu iddia ettiğim bir fikir değil; önceki araştırmalardan yararlandığım başlangıç.

Kontrol u, görev kaybı ℓ ve ek pertürbasyon bütçesi Δ(r) için aradığım sertifika şu biçimde:

B_D(u, r) ≥ sup{ℓ(u, m, d) : m ∈ M(D), d ∈ Δ(r)}. Yalnızca verilerle uyumlu model kümesi M(D) boş değilse ve B_D(u, r) ≤ ε koşulu sağlanıyorsa sertifika verin; burada ε, beyan edilen kayıp toleransıdır.

Hangi fiziği varsaydığımızı, hangi kontrollere izin verdiğimizi, hedefi ve ölçümü nasıl tanımladığımızı açıkça yazmalıyız. Kayıp ölçüsü ve bozucu etkinin birimleri de belli olmalı. Birkaç parametreyi deneyerek hata bulabiliriz; ama bu tarama, arada kalan bütün modellerin güvenli olduğunu göstermez.

Tek kübit, sorunu görünür kılıyor

Kapsamı özellikle dar tutulmuş, kalibre edilmiş bir kübit modelini ele alalım:

H = (ω + u)Z/2

Bilinmeyen sürüklenme, ω = ±1 çevresinde iki olasılık bırakıyor. Deneyde X-pozitif durumunu hazırlıyor, bir zaman birimi bekliyor ve X’i ölçüyoruz. Pozitif sonuç olasılığı (1 + cos ω)/2. Kosinüs iki işaret için aynı olduğundan ω = +1 ve ω = −1 tam olarak aynı X istatistiklerini verir. Bu yüzden aynı ölçümü ne kadar tekrarlasak da iki modeli ayıramıyoruz.

Şimdi süreyi T = π/2 olarak sabitleyelim. Yalnızca u ∈ [−2, 2] aralığındaki, birbiriyle değişmeli Z kontrollerine izin verelim; hedefimiz Rz(π/2) kapısı olsun. Bu durumda süreç sadakati Fₚ(u,ω) = cos²[(ω + u − 1)π/4]. Bu ölçü, elde edilen kuantum işlemin hedefe ne kadar benzediğini anlatıyor; ortalama kapı sadakatiyle aynı ölçü değil.

Veriyle uyumlu ω = ±1 çifti için, izin verilen her kontrolde Fₚ(u,+1) + Fₚ(u,−1) = 1. İki uyum değerinden küçüğü bu nedenle 0.50 sınırını geçemiyor. Yalnızca pozitif modele göre seçim yaparsak u = 0 elde ediyoruz: uyum o modelde 1, diğerinde 0. Aşağıdaki mavi eğri, iki modeli de hesaba kattığımızda ne kaldığını gösteriyor.

Omega artı bir, omega eksi bir ve bu ikisinin en kötü durumu için kontrol parametresine göre süreç sadakati. Her iki modelde de sağlanabilen en yüksek ortak sadakat 0.50.
Belirlenen sabit süreli Z kontrolü için analitik süreç sadakati eğrileri. İki dal, X ölçümüyle ayırt edilemiyor. Tam boyutlu şekli aç.

0.50 sınırı bu örneğe ait: sabit süreye, kalibre edilmiş çerçeveye ve izin verilen kontrollere bağlı. Bunlar değişirse sonuç da değişebilir. Burada gördüğümüz, belirsizliğin bu işteki bedeli; kuantum kontrolün genel sınırı değil.

Y yönünde kalibre edilmiş bir ölçüm yaparsak olasılık (1 + sin ω)/2 oluyor ve işaretleri ayırabiliyoruz. ω = ±1 için X ölçümünde iki olasılık da yaklaşık 0.770. Y ölçümünde ise yaklaşık 0.921 ve 0.079. Böylece Y, görev açısından önemli olan küresel işaret belirsizliği sorununu çözüyor. Yalnızca bir modelin çevresindeki tahmini hassaslaştırmak bu farkı göstermeyebilir.

Aynı sayıda ölçüm, farklı şeyler öğretebilir

Ayrıca iki önceden tanımlanmış sentetik ölçüm planını karşılaştırdım. Her birinde 8,192 bağımsız sıfırlama ölçümü var; her plan için gerçek modeli %95 güvenle kapsayan küme ayrı kuruluyor. A planı iki X grubu, B planı bir X ve bir Y grubu kullanıyor. Fiziksel önbilgi ve simülasyondaki gerçek değer ω = 1 aynı. NumPy rastgelelik tohumu 20260923 olarak sabit. X gruplarında 3,091/4,096 ve 3,146/4,096, Y grubunda 3,790/4,096 başarı kaydediliyor.

Değerlendirme Süreç sadakati alt sınırı
Yalnızca X: pozitif dal korunuyor, negatif dal yanlışlıkla eleniyor 0.999235 görünürdeki değer
Aynı kontrolcü, X ile uyumlu iki dal da korunuyor 0.000019 gerçek en kötü durum
Yalnızca X: iki dalı da hesaba katan sağlam kontrolcü 0.488360
X ve Y: geriye kalan tek aralık için kontrolcü 0.998215

X ve Y birlikte kullanıldığında geriye yaklaşık [0.9817915, 1.0893959] aralığı kalıyor. Bu, yalnızca X ile bulunan bir daldan daha geniş. Yani iyileşmenin nedeni aralığın daralması değil, yanlış işaretin elenmesi. Bu modelde orta noktaya göre seçilen kontrol yaklaşık u = −0.035594; en kötü durumdaki süreç sadakati cos²[(b − a)π/8] ≈ 0.998215. Ayrıca sabit sürüklenmeyi |d| ≤ r ile sınırlarsak, r ≈ 0.073735 normalize açısal frekans birimine kadar Fₚ ≥ 0.99 korunuyor.

Bu sayılar, belirtilen model için formüllerle bulunan en iyi ve en kötü değerlerin yuvarlanmış hesapları. Hesaplamada olağan kayan nokta aritmetiği kullanıldı; dışa doğru yuvarlanan aralıklarla kurulmuş bir ispat sistemi kullanılmadı. Elimizde tek bir yapay veri örneği var. Dolayısıyla bu karşılaştırma, X ve Y’yi birleştirmenin ya da sertifikaya göre ölçüm seçmenin her zaman daha iyi olduğunun kanıtı değil.

Modele güvenmekle kontrolün performansı aynı soru değil

Ölçüm sayısı sınırlıyken, model kümesine hangi koşullarda güvenebileceğimizi de açıklamalıyız. Bu çalışmada bağımsız sıfırlama ölçümleriyle yürütülen sabit ikili protokoller için Hoeffding sınırları ve birleşim sınırı kullanılıyor. Varsayılan fiziksel alan ve örnekleme koşulları altında, gerçek durağan modelin kümede kalma olasılığı en az 1 − α. Ölçümleri sonuçlara göre değiştirirsek buna uygun ardışık hata hesabı veya güven dizisi gerekir. İstediğimiz anda durup sıradan sabit zamanlı %95 aralığını yeniden kullanmak aynı güvenceyi vermez.

Ardından, kümede tuttuğumuz bütün modeller için kaybın deterministik bir üst sınırını bulmalıyız. Gerçek model kümedeyse ve bu sınır doğruysa, verilen güvence o modeli de kapsar. Bu varsayımlarla geçersiz güvence verme olasılığı, gerçek modeli küme dışında bırakma olasılığını aşmaz. Ancak bu sayı, yalnızca verilmiş güvencelerin içindeki hata oranı olarak okunamaz.

Veriye uyan model kalmıyorsa, veriyle varsayımlar arasında uyuşmayan bir şey var demektir. Bunu araştırmak gerekir. Sürüklenme, belirsiz kalibrasyon, hazırlama ve okuma hataları modele girmeli ya da ayrıca denenmeli. Ölçümü tekrarlamak, eksik fiziksel açıklamayı kendiliğinden tamamlamıyor.

İşe yardım eden ölçümü seçmek

Araştırmak istediğim yön şu: yeni ölçümü, parametre tahminini ne kadar daralttığına değil, yapacağımız kontrol işine ne kadar yardım ettiğine göre seçmek. Ölçüm sayısı, süresi ve hesaplama maliyeti de hesaba katılmalı. Etkin Hamiltonyen öğrenimi zaten bilgilendirici ölçümler seçiyor; ölçümü uyarlamak tek başına yeni bir katkı değil. Yeni bir sonuç için işe bağlı açık bir hedef, doğru bir doğrulama yöntemi ve eşit kaynaklarla gösterilmiş kazanım gerekiyor.

İki parametreli başka bir örnekte de benzer durum var. Aradığımız faz a ile istemediğimiz etkiyi taşıyan faz b, ölçüme yalnızca a + b olarak giriyorsa tek okuma ikisini ayıramıyor. −a + b değerine duyarlı ikinci bir protokol, belirtilen faz aralığı ve kararlı etki varsayımları altında ayrımı sağlayabiliyor. Yan etkenleri hesaba katan kuantum kestirimi zaten yerleşik bir araştırma alanı. Bu küçük hesap, ilerideki deneyin neyi ayırması gerektiğini anlatıyor; atom interferometresinde yapılmış bir deney veya simülasyon sonucu değil.

Bundan sonra neyi denemek istiyorum?

Sonraki adım, az parametreli ve birden fazla ayrı dalı bulunabilen model kümeleri için doğrulama aracı geliştirmek. Araç, henüz elenmemiş hiçbir dalı kaybetmemeli ve bütün küme için kayıp sınırı vermeli. Kontrolü arayan yöntem aday önerebilir; adayın güvencesini ayrı bir adım kontrol etmeli. diferansiyel duyarlılık sınırları karşılaştırma için yararlı. Ancak tek modelin yakınındaki duyarlılık hesabı, uzaktaki başka bir olasılığı kendiliğinden kapsamıyor.

Ancak bundan sonra farklı ölçüm seçme yollarını aynı koşullarda karşılaştırabiliriz: aynı fiziksel önbilgi, kontrol seçenekleri, ölçüm sayısı, süre ve hesaplama kaynağı. Güvence veremediğimiz durumları ve modelin veriye uymadığı örnekleri de anlatmalıyız. Optik örgüde bir uygulamaya geçmek içinse gerçek düzeneğin modeli, yapılabilen ölçümler ve deney erişimi gerekli.

Önceki QANTIS araştırmaları, kuantum deneyleri ve klasik yöntemlerle karşılaştırma konusunda deneyim kazandırdı. QFlow Studio de ileride deney kaydını birlikte tutmaya yardım edebilir. Bu yazıdaki araştırma katkısı onlardan farklı: şu an elimizde sorunun tarifi, analitik örnekler ve sınırlı bir yapay veri hesabı var. Genel yöntem, uyarlanabilir ölçüm karşılaştırması, açık sistemlere genişletme ve laboratuvar deneyi hâlâ yapılacak işler.

Kaynaklar

  1. Burgarth ve Yuasa, Kuantum Sistem Tanımlaması (2012) journals.aps.org
  2. van Waarde ve diğerleri, Verinin bilgi yeterliliği (2020) arxiv.org
  3. O’Neil ve diğerleri, Dinamik kuantum kontrolü için diferansiyel duyarlılık sınırları (2024) arxiv.org
  4. Dutt ve diğerleri, Kuantum sistemlerinin Hamiltonyenlerini aktif öğrenmeyle belirlemek (2023) journals.aps.org
  5. Suzuki, Yang ve Hayashi, Yan etkenleri hesaba katarak kuantum durumunu kestirmek (2020) arxiv.org

Bu yazıyı Bayram Yüksel Eker kaleme aldı. Düzeltmelerinizi ve farklı görüşlerinizi bayram@neuraparse.com adresine yazabilirsiniz.