Reservoir-induced dynamics and information processing in quantum optical systems - Archive ouverte HAL Access content directly
Theses Year : 2022

Reservoir-induced dynamics and information processing in quantum optical systems

Dynamique et traitement de l'information induits par réservoir dans des systèmes d'optique quantique

Abstract

This thesis is devoted to the study of reservoir-induced dynamics and reservoir computing in the context of quantum optics, a subject of major importance in the noisy intermediate-scale quantum era. We first consider the driven-dissipative dynamics of an open quantum system, where the dissipation is due to the coupling between the system and the environment, the latter modeled as an uncontrolled thermal reservoir with infinitely many degrees of freedom and fast relaxation dynamics. We study both theoretically and experimentally a dissipative phase transition in a photonic system under coherent optical drive. We propose a technique of tuning the spatial geometry of the system in situ and all-optically, and implement it in a planar semiconductor microcavity. We show that a first-order dissipative phase transition emerges in a two-dimensional (2D) configuration but not in 1D, providing a first experimental demonstration of the role of dimensionality in determining criticality in photonic systems. We then address the theory of reservoir engineering, where one can harness the dynamics of a dissipative reservoir to achieve desired control over a quantum system coupled to the reservoir. We derive the effective dynamics induced by a strongly dissipative single-mode reservoir, and propose a photonic quantum simulator for antiferromagnetic spins by applying the theory. We show that the reservoir is capable of mediating both coherent and dissipative antiferromagneticlike couplings between the simulated spins, and that the dissipative coupling alone can induce frustration in the system. Finally, we study the use of a reservoir in information-processing tasks in the framework of machine learning. Here, the reservoir refers to a generic physical system with nontrivial response dynamics when subjected to some input, that one can exploit to construct useful representations of the input information. The system studied consists of a quantum detector undergoing relativistic motion inside a cavity, a paradigmatic model commonly considered in the field of relativistic quantum information that can be implemented on analog platforms such as circuit QED. We demonstrate the proposed reservoir-computing scheme with an illustrative supervised classification task via numerical simulation of the system, and show that the relativistic quantum effects brings a considerable enhancement to the performance of the classifier. This shows that one can harness information-processing power from the fundamental laws of physics, providing a first example of relativistic quantum reservoir computing.
Cette thèse est dédiée à l'étude de la dynamique et l'apprentissage automatique induits par réservoir dans le contexte de l'optique quantique, un sujet d'une importance majeure dans l'ère NISQ. Nous considérons d'abord la dynamique forcée-dissipative d'un système quantique ouvert, dont le couplage à l'environnement, modélisé comme un réservoir non contrôlé avec une infinité de degrés de liberté à la dynamique de relaxation rapide, donne lieu à de la dissipation. Nous étudions théoriquement et expérimentalement une transition de phase dissipative dans un système photonique soumis à un pompage optique cohérent. Nous proposons une technique permettant d'ajuster in situ la géométrie spatiale du système de manière purement optique, et l'implémentons sur une plateforme consistant en une microcavité planaire en matériau semiconducteur. Nous montrons l'émergence d'une transition de phase du premier ordre en deux dimensions et son absence en une dimension, ce qui constitue la première démonstration expérimentale du rôle de la dimensionnalité spatiale dans l'existence de la criticalité dans des systèmes photoniques. Nous traitons ensuite la théorie de l'ingénierie de réservoir, permettant d'exploiter la dynamique d'un réservoir dissipatif couplé à un système pour obtenir un contrôle effectif de ce dernier. Nous dérivons la dynamique effective induite par un réservoir fortement dissipatif à un seul mode, et proposons un simulateur photonique pour des spins antiferromagnétiques en appliquant cette théorie. Nous démontrons que le réservoir est capable d'induire des couplages antiferromagnétiques cohérents et dissipatifs entre les spins simulés, et que le couplage dissipatif seul donne lieu à la frustration dans le système. Enfin, nous étudions le traitement de l'information par réservoir dans le formalisme de l'apprentissage automatique. Ici, le réservoir est un système physique générique qui réagit par une dynamique non triviale en réponse à une excitation en entrée. Cette dynamique peut être exploitée pour construire des représentations utiles de l'entrée. Le système étudié comprend un détecteur quantique en mouvement relativiste dans une cavité, un modèle paradigmatique en information quantique relativiste, que l'on peut implémenter sur des plateformes analogiques comme des circuits supraconducteurs. Nous illustrons le protocole proposé sur un problème de classification par simulation numérique du système, et constatons une augmentation considérable de la performance dans le régime relativiste. Nos résultats constituent un premier exemple du calcul par réservoir quantique relativiste, montrant que l'on peut tirer parti des lois fondamentales de la physique pour traiter de l'information.
Fichier principal
Vignette du fichier
va_Li_Zejian.pdf (4.61 Mo) Télécharger le fichier
Origin Version validated by the jury (STAR)

Dates and versions

tel-03937848 , version 1 (13-01-2023)
tel-03937848 , version 2 (18-01-2024)

Identifiers

  • HAL Id : tel-03937848 , version 2

Cite

Zejian Li. Reservoir-induced dynamics and information processing in quantum optical systems. Quantum Physics [quant-ph]. Université Paris Cité, 2022. English. ⟨NNT : 2022UNIP7228⟩. ⟨tel-03937848v2⟩
144 View
74 Download

Share

Gmail Mastodon Facebook X LinkedIn More