دانشمندان با استفاده از هوش مصنوعی موفق به کشف روشی ساده‌تر برای ایجاد درهم‌تنیدگی کوانتومی بین ذرات زیراتمی شده‌اند. این کشف می‌تواند مسیر توسعه فناوری‌های کوانتومی را هموارتر کند. درهم‌تنیدگی کوانتومی پدیده‌ای است که طی آن ذرات مانند فوتون‌ها می‌توانند ویژگی‌های کوانتومی خود را به اشتراک بگذارند، حتی اگر فاصله زیادی از یکدیگر داشته باشند. این ویژگی یکی از مهم‌ترین عوامل قدرت محاسبات کوانتومی محسوب می‌شود. با این حال، ایجاد درهم‌تنیدگی همواره چالش‌برانگیز بوده است. روش سنتی شامل تهیه دو جفت فوتون درهم‌تنیده، سپس انجام اندازه‌گیری "حالت بل" بر روی یکی از فوتون‌های هر جفت است. این اندازه‌گیری موجب فروپاشی سیستم کوانتومی شده و دو فوتون دیگر را که هیچ‌گاه مستقیماً با هم تعامل نداشته‌اند، به هم پیوند می‌دهد. این فرآیند که به "تعویض درهم‌تنیدگی" معروف است، در فناوری‌هایی مانند تله‌پورت کوانتومی کاربرد دارد.

در مطالعه‌ای که در ۲ دسامبر ۲۰۲۴ در مجله Physical Review Letters منتشر شد، دانشمندان از ابزار هوش مصنوعی PyTheus برای طراحی آزمایش‌های نوری کوانتومی استفاده کردند. هدف اولیه پژوهشگران، بازتولید روش‌های مرسوم درهم‌تنیدگی بود، اما این ابزار هوش مصنوعی راهکاری بسیار ساده‌تر پیشنهاد کرد. Sofia Vallecorsa، فیزیک‌دان مرکز CERN، که در این پژوهش مشارکت نداشته، توضیح می‌دهد که شبکه عصبی این مدل هوش مصنوعی با آموزش روی مجموعه‌ای از داده‌های پیچیده، فیزیک پشت این پدیده را یاد گرفت. این ابزار نشان داد که درهم‌تنیدگی می‌تواند از طریق "عدم تشخیص مسیر فوتون‌ها" ایجاد شود. به این معنا که اگر چندین منبع وجود داشته باشد که فوتون‌ها می‌توانند از آن‌ها ناشی شوند و این منابع از هم غیرقابل تمایز باشند، می‌توان بدون هیچ تعامل مستقیمی بین فوتون‌ها، آن‌ها را درهم‌تنیده کرد.

در ابتدا، دانشمندان به این یافته شک داشتند، اما از آنجایی که هوش مصنوعی به‌طور مداوم همان پاسخ را ارائه می‌داد، تصمیم به آزمایش آن گرفتند. با تنظیم منابع فوتون‌ها و ایجاد شرایطی که مسیرهای آن‌ها غیرقابل تشخیص باشد، توانستند درهم‌تنیدگی را ایجاد کنند. این کشف، فرآیند ایجاد درهم‌تنیدگی را ساده‌تر کرده و می‌تواند تأثیر مهمی بر شبکه‌های کوانتومی امن داشته باشد، زیرا امکان ایجاد ارتباطات رمزگذاری‌شده‌ای را فراهم می‌کند که هک کردن آن‌ها بسیار دشوار است. به گفته Vallecorsa، هرچه فناوری ساده‌تر باشد، دامنه کاربردهای آن گسترده‌تر خواهد شد. این کشف می‌تواند در آینده به توسعه شبکه‌های کوانتومی پیچیده‌تر با ساختارهای متنوع کمک کند. البته، اجرای عملی این روش در مقیاس تجاری هنوز مشخص نیست، زیرا عواملی مانند نویز محیطی و نقص دستگاه‌ها ممکن است باعث بی‌ثباتی در سیستم کوانتومی شوند. علاوه بر این، این پژوهش نشان‌دهنده پتانسیل بالای هوش مصنوعی در تحقیقات فیزیک است. اگرچه هنوز برخی دانشمندان درباره نقش فیزیک‌دانان در این مسیر تردید دارند، اما این مطالعه نشان می‌دهد که هوش مصنوعی می‌تواند به عنوان یک ابزار پژوهشی قدرتمند در فیزیک مورد استفاده قرار گیرد.

منبع خبر: space