Диссертация

Объектом исследования диссертации являются методы машинного обучения для идентификации и программирования линейно-оптических интерферометров, а также для эффективной характеризации квантовых состояний по ограниченному набору измерений. Цель работы заключается в разработке, анализе и экспериментальной проверке методов обучения цифровых моделей реконфигурируемых линейно-оптических схем и тензорно-сетевых моделей многокубитных квантовых состояний. В работе предложен архитектурно-независимый алгоритм идентификации линейно-оптических интерферометров по экспериментальным данным, исследованы его свойства, устойчивость к шуму и ограничения, возникающие при росте размерности задачи. Экспериментально продемонстрирована возможность программирования интерферометра на основе обученной модели в условиях аппаратных неидеальностей. Предложен линеаризованный подход к обучению модели интерферометра, для которого исследованы требования к объёму обучающих данных и преимущества послойного режима обучения. Кроме того, разработан протокол обучения тензорно-сетевой модели квантового состояния по данным факторизованных однокубитных измерений, позволяющий предсказывать вероятности исходов новых измерений без восстановления полной матрицы плотности. Полученные результаты представляют интерес для задач настройки и калибровки линейно-оптических схем, а также для характеризации квантовых состояний в квантовых вычислительных системах.