Erittäin tarkkaa anturiteknologiaa kvanttibittien ja koneoppimisen avulla

03.07.2018

Jotta kvanttiprosessorit ja herkät sensorit toimisivat tehokkaasti, niiden kvanttitiloista on saatava nopeasti informaatiota.

Suprajohtavista alumiiniliuskoista piisirulle rakennettua kvanttibittiä voi käyttää magneettikenttien havaitsemiseen. Kuva: Babi Brasileiro/Aalto-yliopisto

Aalto-yliopiston johtama tutkijaryhmä on kvanttifysiikan ja koneoppimisen menetelmiä yhdistelemällä kehittänyt magnetometrin, jonka tarkkuus rikkoo kvanttirajan.

Minkä tahansa asian mittaamisessa tarkkuudella on rajansa. Esimerkiksi röntgenkuvat ovat melko epäselviä, ja vain asiantunteva lääkäri pystyy tulkitsemaan niitä kunnolla. Kudosten välinen kontrasti on sangen heikko, mutta sitä voisi parantaa pidentämällä altistusaikaa, lisäämällä säteiden tehoa tai ottamalla lukuisia kuvia. Se on kuitenkin mahdotonta, koska ihmisen voi turvallisesti altistaa röntgensäteille vain rajallisen ajan ja määrän. Kuvien ottaminen taas vie aikaa ja resursseja.

Yleinen nyrkkisääntö mittaustarkkuudelle on niin sanottu kvanttiraja: tarkkuus paranee käänteisesti suhteessa käytettävissä olevien resurssien neliöjuureen. Toisin sanoen, mitä enemmän resursseja – aikaa, säteilytehoa, kuvien määrää – käytetään, sitä tarkempia mittaukset ovat. Loputtomia resursseja ei kuitenkaan ole olemassa.

Aalto-yliopiston, Zürichin teknillisen yliopiston (ETH) ja Moskovan MIPT:n ja Landau-instituutin tutkijoiden ryhmä on kuitenkin yrittänyt luoda poikkeuksen nyrkkisääntöön ja kehittänyt tavan mitata magneettikenttiä kvanttijärjestelmän avulla. Heidän magnetometrillään on mahdollista ylittää tarkkuuden kvanttiraja.

Arvostetussa npj Quantum Information -lehdessä julkaistussa artikkelissaan ryhmä osoittaa, miten magneettikentän mittaamisen tarkkuutta voidaan parantaa hyödyntämällä suprajohtavan keinotekoisen atomin, kvanttibitin, häiriötöntä tilaa. Ryhmän käyttämä kvanttibitti eli kubitti on erittäin pieni laite, joka on tehty piisirun päällä höyrystetyistä alumiiniliuskoista. Valmistustapa muistuttaa älypuhelinten ja tietokoneiden prosessorien valmistuksessa käytettävää tekniikkaa.

Magneettikenttien tarkka havaitseminen on tärkeää monilla aloilla geologisesta etsinnästä aivotoiminnan kuvantamiseen. Tutkijoiden mukaan heidän tuloksensa ovat ensi askel kvanttitehostettujen menetelmien käytölle sensoriteknologiassa.

”Halusimme rakentaa tehokkaan ja mahdollisimman vähän kohteeseen kajoavan mittaustekniikan. Esimerkiksi herkkiin kudosnäytteisiin on joko käytettävä mahdollisimman matalia tehoja tai mahdollisimman lyhyttä mittausaikaa”, Aalto-yliopiston Kvantti-tutkimusryhmän johtaja Sorin Paraoanu selittää.

Kun kvanttilaite jäähdytetään erittäin matalaan lämpötilaan, sähkövirta virtaa laitteessa ilman vastusta, ja laitteen kvanttimekaaniset ominaisuudet alkavat muistuttaa oikeiden atomien ominaisuuksia. Kun kvanttibittiä säteilytetään mikroaaltopulssilla – samantapaisella kuin tavallisessa mikroaaltouunissa – sen tila muuttuu. Muutos taas riippuu käytetystä ulkoisesta magneettikentästä: kvanttibittiä mittaamalla voidaan mitata myös magneettikenttää.

Kvanttirajan ylittämiseksi on kuitenkin tehtävä vielä yksi temppu: ottaa avuksi hahmontunnistukseksi kutsuttu koneoppimisen menetelmä.

”Teemme ensin mittauksen ja annamme sen jälkeen hahmontunnistusalgoritmin päättää tuloksen perusteella, miten parametreja pitää muuttaa, jotta magneettikentästä saadaan nopein arvio”, kertoo Andrey Lebedev, joka on osallistunut tutkimuksen tekemiseen Zürichin teknillisessä yliopistossa ja työskentelee nyt Moskovan MIPT:ssä.

”Työmme on hyvä esimerkki käytännön kvanttiteknologiasta: yhdistämällä kvantti-ilmiö koneoppimiseen perustuvaan mittaustekniikkaan magnetometrin herkkyys paranee niin, että se rikkoo kvanttirajan”, Lebedev sanoo.

Aalto-yliopiston tutkijoiden työtä on tehty osana Teknillisen fysiikan laitoksen Centre for Quantum Engineering -keskuksen QMETRO-projektia sekä Suomen Akatemian kvanttiteknologian kansallista huippuyksikköä Quantum Technology Finland. Kokeellisen tutkimuksen mahdollisti kansallinen tutkimusinfrastruktuuri OtaNano.

Tutkimusartikkeli: S. Danilin, A.V. Lebedev, A. Vepsäläinen, G.B. Lesovik, G. Blatter, ja G.S. Paraoanu, Quantum-enhanced magnetometry by phase estimation algorithms with a single artificial atom. npj Quantum Information (2018) 4: 29.
https://www.nature.com/articles/s41534-018-0078-y
doi:10.1038/s41534-018-0078-y

Lisätietoja:
Gheorghe-Sorin Paraoanu
Aalto-yliopisto
Teknillisen fysiikan laitos
Kvantti-tutkimusryhmä 
sorin.paraoanu@aalto.fi
puh. 050 344 2650