Reconfigurable integrated photonic circuits for quantum machine learning

The field of machine learning consists of many techniques for learning and constructing models capable of interpreting and synthesizing unstructured data, as well as of performing new predictions. In the last few years, the possibility of developing and implementing machine learning algorithms on quantum computers and quantum devices has begun to be explored. Superior performances in terms of computational complexity with respect to classic formulations were indeed unequivocally discovered. Recently, two quantum algorithms for Hamiltonian learning have been proposed, the first adopting Quantum Likelihood Evaluation (QLE) and the second employing Interactive Quantum Likelihood Evaluation (IQLE). These methods aim to infer a Hamiltonian model describing the observed dynamics of an unknown quantum system, borrowing heavily from the machine learning toolbox. A promising purpose of these procedures would be to provide a technique for validating the operation of quantum simulators and quantum gates, whose dynamics are expected to become eventually too complex to be reproduced with classical resources. This thesis work deals with developing an integrated photonic platform to test experimentally these different Hamiltonian learning methods. Specifically, the platform consists of two integrated optics chips, that can be operated separately or in cascade, in which 5-modes multiport interferometers are inscribed by Femtosecond Laser Micromachining. In both devices, 4 internal parameters can be actively controlled by operating thermo-optical phase shifters: a vast set of unitary transformations can be implemented in each reconfigurable optical circuit. An extended characterization of the multiport interferometers is performed, revealing a behaviour faithful to the design specifications. The devices are currently ready to be used with quantum light, in order to test in-depth the two Hamiltonian learning algorithms.

La disciplina del machine learning raccoglie numerose tecniche per l’apprendimento e la costruzione di modelli per interpretare e sintetizzare una collezione di dati preesistenti, ed effettuare nuove predizioni. Recentemente, le potenzialità di composizione ed implementazione di algoritmi di machine learning con dispositivi e computer quantistici hanno cominciato ad essere esplorate, rivelando in tutti i casi una superiore efficienza computazionale rispetto alle formulazioni classiche. Due algoritmi di quantum machine learning per l’apprendimento di un modello Hamiltoniano descrittivo di un sistema quantistico incognito sono stati recentemente proposti. Le due procedure si distinguono in Quantum Likelihood Evaluation (QLE) ed Interactive Quantum Likelihood Evaluation (IQLE), in virtù della modalità di operazione del simulatore quantistico che richiedono. Un importante obiettivo di questi metodi è la validazione del funzionamento di simulatori e di circuiti quantistici, le cui dinamiche, si prospetta, diverranno in futuro troppo complesse per essere simulate con risorse classiche. Scopo di questa tesi è dunque lo sviluppo di una piattaforma sperimentale per la dimostrazione delle diverse strategie di Hamiltonian learning. Il sistema si compone di due chip fotonici, che possono essere operati in serie o in parallelo, in cui sono stati realizzati interferometri a 5 modi, mediante la tecnica di scrittura di guide con laser a femtosecondi. I circuiti fotonici possono essere configurati dinamicamente grazie alla fabbricazione di 4 sfasatori termo-ottici, realizzati tramite altrettanti resistori d’oro, ricavati sulla superficie dei chip. Gli interferometri implementano una classe di trasformazioni unitarie sugli stati di luce classica e quantistica che vi vengono iniettati. In una prima fase si è valutata, tramite simulazioni numeriche, la natura e la generalità della classe di trasformazioni unitarie che le quattro fasi riconfigurabili permettono di attuare. Successivamente, si è progettata nel dettaglio la geometria delle guide d’onda e degli sfasatori. Il processo di fabbricazione è stato poi ottimizzato per minimizzare l’influenza delle perdite di accoppiamento e propagazione. Una volta realizzati i circuiti fotonici riconfigurabili, sono state definite tecniche di caratterizzazione dei parametri interni e di calibrazione degli sfasatori termo-ottici. I risultati di queste misure confermano il funzionamento dei circuiti fotonici in conformità alle previsioni e aprono la strada al loro utilizzo con luce quantistica. I dispositivi sono ora stati affidati al gruppo di ricerca in Ottica Quantistica dell’università "La Sapienza" (Roma), diretto dai Proff. Fabio Sciarrino e Paolo Mataloni, che realizza ed opera le sorgenti di singoli fotoni necessarie alla dimostrazione degli algoritmi quantistici menzionati. Nel breve termine, i chip saranno predisposti per i primi esperimenti di Hamiltonian learning.