Photonische Quantenmemristor Netzwerke

In den letzten Jahrzehnten hat die Informatik zwei Paradigmenwechsel sehr unterschiedlicher Art erlebt. Der erste ist das maschinelle Lernen, das heißt, die Fähigkeit von Computern, aus Erfahrungen, also aus Daten, zu lernen. Diese Art von Algorithmen ist bereits fester Bestandteil unseres Alltags, der von personalisierter Werbung und E-Mail-Filterung bis zu Datenmanagement und medizinischen Zwecken reicht. Auch das maschinelle Lernen entwickelt sich ständig weiter, um neuen Anwendungen und wachsenden Datenmengen gewachsen zu sein. Beispielsweise ahmen neuartige Algorithmen die Struktur des menschlichen Gehirns nach, um Gedächtnisengpässe zu bewältigen, und stützen ihre Funktionsweise auf elektronischen Elementen wie dem Memristor, dessen Verhalten dem von neuronalen Synapsen ähnelt. Der zweite herausragende Durchbruch wurde hingegen durch Quantencomputing gebracht, die die kontraintuitiven Gesetze der Quantenphysik übernehmen, um die Fähigkeiten klassischer Computer zu übertreffen. In diesem Zusammenhang stellt die Photonik eine vielversprechende Plattform dar, die sich die Quanteneigenschaften von Photonen zunutze machen und mit der kürzlich zum ersten Mal die Vorteile des Quantencomputings demonstriert wurde. Das Ziel dieses interdisziplinären Projekts ist es, diese beiden Welten zu verbinden und von ihren gemeinsamen bemerkenswerten Möglichkeiten zu profitieren. Im Detail wird es das erste Beispiel einer photonischen neuromorphen Architektur für das maschinellen Lernen hervorbringen, die sich an realen Aufgaben orientiert. Im Rahmen des Projekts soll ein neuartiges photonisches Element gezielt eingesetzt werden: der Quanten-Memristor. Dieses Gerät, das kürzlich in Zusammenarbeit zwischen dem CNR Mailand (Gruppe von Prof. Roberto Osellame) und der Universität Wien (Gruppe von Prof. Philip Walther) entwickelt wurde, zeigt ein abhängiges bzw. nichtlineares Verhalten durch eine kontrollierte Wechselwirkung von Photonen mit der Umgebung, unter Beibehaltung ihrer Quanteneigenschaften. Durch die Kombination des komplementären Fachwissens der Projektpartner in den Bereichen photonisches Quantencomputing, integrierte Quantenphotonik und Quanteninformationstheorie zielt dieses Projekt darauf ab, das erste Modell eines abstimmbaren photonischen Quantenmemristor-Neuronalnetzwerks zu entwickeln, Darüber hinaus basiert diese Implementierung auf integrierten photonischen Schaltkreisen, die komplexe Aufbauten auf Millimeterbereiche konzentrieren und als solche kompakt und skalierbar sein werden. Die Vielseitigkeit dieses Prozessors wird durch die Demonstration realer quantenerweiterter Anwendungen gezeigt, die von der Spracherkennung bis zur Bildidentifikation reichen und durch Quantenreservoir-Computing-Architekturen beschleunigt werden.

This research project explores the potentialities held by the synergy between quantum technologies and machine learning. In particular, we focus on harnessing quantum computing's advantages for training machine learning models. The central challenge is introducing nonlinearity into the evolution of quantum systems, which is necessary for a effective learning process. To address this, we leverage photonic platforms, especially the innovative quantum memristor developed by the University of Vienna.