Quantum contextual memories

• Autores: Giancarlo Gatti Álvarez
• Directores de la Tesis: Enrique Leonidas Solano Villanueva (dir. tes.), Mikel Sanz Ruiz (dir. tes.), Iñigo Luis Egusquiza Egusquiza (tut. tes.)
• Lectura: En la Universidad del País Vasco - Euskal Herriko Unibertsitatea ( España ) en 2024
• Idioma: inglés
• Programa de doctorado: Programa de Doctorado en Física por la Universidad del País Vasco/Euskal Herriko Unibertsitatea
• Materias:
  • Física
    • Física atómica y nuclear
    • Física teórica
• Enlaces
  • Tesis en acceso abierto en: ADDI
• Resumen
  • español

    La tesis se enfoca en estudiar y construir memorias cuánticas contextuales, consistentes en unacodificación de información clásica en sistemas cuánticos mediante sus observables. Para ello, se realizauna revisión de la teoría de información cuántica y se ahonda en métricas para un paradigma de múltiplesbases de medición, donde cada una es una posible elección de extracción parcial, y la totalidad deinformación disponible es convertida en una métrica de rendimiento sobre este tipo de algoritmos.Posteriormente se modelan escenarios de memorias cuánticas contextuales de complejidad creciente y secomputan sus respectivas métricas de información disponible, observando el nivel de saturación dellímite de Nayak. El escenario de mayor rendimiento es trasladado a dos implementaciones, en 8 y 14qubits, respectivamente. La primera consistió en una colaboración con un grupo de altas energías, en laque se codificó información de IceCube, el telescopio de neutrinos del Polo Norte, en estados cuánticosproducidos con circuitos superconductores de IBM-Qiskit, permitiendo extraer fragmentos de lainformación para predecir el sabor del neutrino incidente. La segunda implementación desarrollóherramientas para codificar información sin estructura en sistemas con una escala mayor.

  • English

    It is a widely held belief that a computational architecture based on quantum systems will bring forth major technological advances in a plethora of fields whose names significantly overlap with information technology buzzwords. While it is true that there are some problems where quantum algorithms could offer significant advantage, these problems are somewhat narrow, and to make generalist claims of quantum speedup in machine learning, artificial intelligence and pattern recognition we should read the fine print of actual requirements to load information into quantum systems (S. Aaronson, 2015). However, what if the quantum advantage were built into the loading itself? Is that even possible, in terms of information? Most quantum algorithms employ amplitude encodings or basis encodings to load classical information into quantum systems. However, a straightforward approach to encode information that must later be retrieved is an observable encoding, where classical data is associated to the outcome of observables measured over a quantum state. One of the novel aspects of this type of encoding is the natural extension to multiple measurement bases and introducing measurement-basis choice as part of a quantum algorithm. In the literature, similar encodings have been explored for quantum generative models of quantum statistics with Boltzmann and Born machines, but the most explicit scheme based on an observable encoding is a Quantum Random Access Code (QRAC), where choosing an observable to measure allows to retrieve a fragment of the encoded information with some success probability. QRACs have been shown to showcase advantage over their classical counterpart, but have only been studied in depth up to n = 3 qubits, due to the mathematical complexity of constructing a class of many-qubit observables organized into unbiased bases.