Dynamics in quantum metrology
Measurement Systems
Theoretical Condensed Matter Physics
Final Report Abstract
In dem DFG-Projekt "Dynamik in der Quantenmetrologie" wurde das Potential aufgezeigt, welches in der Verbesserung der Dynamik von Quantensensoren liegt. Das Hauptaugenmerk liegt in der Quantenmetrologie darauf, Sensoren zu entwickeln, die auf Quantensystemen wie Atomen oder Photonen basieren und die Genauigkeit von klassischen Sensoren übertreffen. Dieses Projekt bricht mit der Tradition, Quantenverbesserungen auf der Ebene der Anfangszustände von Quantensensoren vorzunehmen: Stattdessen soll die Dynamik verbessert werden. In diesem Zusammenhang werden "quantenchaotische Sensoren" vorgeschlagen. Dieser Vorschlag beruht auf der grundlegenden Einsicht, dass sowohl Quantenmetrologie als auch Quantenchaos durch die Sensitivität gegenüber Änderungen der Dynamik beschrieben werden. Quantenchaotische Sensoren erreichen nicht nur eine verbesserte Sensitivität, sondern vermeiden auch Hindernisse, welche im Zusammenhang mit Quantensensoren typischerweise auftreten. Mit der Simulation eines realistischen quantenchaotischen Atomdampf-Magnetometers, das Gegenstand einer veröffentlichten Patentanmeldung ist, wurden die Vorteile quantenchaotischer Sensoren dargelegt. Weiterhin wurden mit Reinforcement Learning, einer Machine-Learning Methode, Verbesserungen der Dynamik erforscht, welche über den Fall von quantenchaotischen Sensoren hinausgehen. Ebenfalls im Rahmen dieses Projekts wurden Machine-Learning Techniken verwendet, um Bayes’sche Parameterschätzung mit Quantensensoren zu verbessern. Es wurde gezeigt, dass Neuronale Netze als effiziente Werkzeuge zur Entscheidungsfindung eingesetzt werden können, sprich als sogenannte Heuristiken fungieren können, wobei die Entscheidungen adaptive Anpassungen der Quantenexperimente betreffen, um die Bayes’sche Parameterschätzung zu verbessern. Es ist davon auszugehen, dass diese vielseitige Machine-Learning Methode für die Suche nach schnellen und starken Heuristiken die quantentechnologische Anwendung von Bayes’schen Quantensensoren voranbringt. Darüber hinaus wurden in diesem Projekt neue Schranken für die erreichbare Messgenauigkeit bewiesen, die berücksichtigen, dass das Wissen über den Anfangszustand des Quantensensors einer statistischen Ungewissheit unterliegt. Weitere Schranken wurden gefunden, welche die Möglichkeit berücksichtigen, dass die Dynamik der Sensoren optimiert werden kann. Zudem wurde in allen Fällen Bedingungen hergeleitet, wie diese Schranken erreicht werden können. Im Vergleich mit zuvor bekannten Schranken ist man jetzt in der Lage, das Potential gemischter Anfangszustände besser abzuschätzen. Es wird erwartet, dass zukünftige theoretische Arbeiten auf diesen allgemeinen Ergebnissen aufbauen werden.
Publications
- (2018). Quantum metrology with quantum-chaotic sensors. Nature Communications, 9(1):1351
Fiderer, L. J. and Braun, D.
(See online at https://doi.org/10.1038/s41467-018-03623-z) - (2019). Maximal Quantum Fisher Information for Mixed States. Phys. Rev. Lett., 123:250502
Fiderer, L. J., Fraïsse, J. M. E., and Braun, D.
(See online at https://doi.org/10.1103/PhysRevLett.123.250502)
