NTT Research Inc., een divisie van NTT, heeft aangekondigd dat wetenschappers van het Tokyo Institute of Technology (Tokyo Tech) en NTT Research met succes gecomprimeerde detectie hebben ontwikkeld als eerste toepassing van de cyber coherente Ising machine (cyber-CIM), een kwantum-geïnspireerd algoritme dat in de toekomst kan worden geïmplementeerd op een modern digitaal platform of een hybride kwantum-klassieke machine. Zij deelden hun bevindingen in een paper, getiteld oL0 regularization-based compressed sensing with quantum-classical hybrid approach,o gepubliceerd in mei 2022, in het tijdschrift Quantum Science and Technology. Compressed sensing is een signaalverwerkingstechniek die wordt gebruikt in medische beeldvorming, astronomie en elders en die extreem hoge verwerkingsniveaus vereist op bestaande computers om enorme hoeveelheden gegevens zonder nuttige informatie te verwijderen.

In een oefening om L0-regularization-based compressed sensing (L0-RBCS) te optimaliseren, benaderde cyber-CIM de theoretische limiet van compressed sensing en presteerde het beter dan de algemeen gebruikte standaardmethode. L0-RBCS is een niet-deterministisch polynomial-time (NP)-hard combinatorisch probleem dat gebruik maakt van sparse regularisatie met L0-norm voor regressieanalyse onder de beperking van maximale nulelementen voor een bronsignaal. Sparse regularisatie met L1-norm voert zowel variabelenselectie als regularisatie uit, een techniek om fouten te verminderen en overfitting te voorkomen.

De algemeen gebruikte L1-RBCS-methode met de least absolute shrinkage and selector operator (LASSO) maakt gebruik van een rekenkundig eenvoudiger maar minder nauwkeurige vorm van sparse regularization, die compressed sensing benadert via approximatie. Dit gezamenlijke onderzoek tussen Tokyo Tech en NTT Research is voortgekomen uit een in 2020 ondertekende overeenkomst waarin werd opgeroepen tot samenwerking tussen het NTT Research Physics & Informatics (PHI) Lab en het laboratorium van Dr. Toru Aonishi in de Tokyo Tech School of Computing. Samen met Dr. Aonishi schrijven Dr. Kazushi Mimura van de Hiroshima City University, Dr. Masato Okada van de Universiteit van Tokio en PHI Lab-directeur Yoshihisa Yamamoto de paper.

NTT Research financiert een vijfjarig cyber-CIM-project met Tokyo Tech, dat ook werk omvat op het gebied van de ontdekking van geneesmiddelen. Zowel gecomprimeerde detectie als de ontdekking van geneesmiddelen zijn NP-harde combinatorische optimalisatieproblemen, waarvoor een CIM speciaal is gebouwd om ze op te lossen. De CIM, in zijn cyber- en fysieke constructies, is een dicht netwerk van optische parametrische oscillatoren (OPO's) die zijn geprogrammeerd om problemen op te lossen die zijn gekoppeld aan een Ising-model, een wiskundige abstractie van magnetische systemen die bestaan uit concurrerend op elkaar inwerkende spins, of hoekmomenten van fundamentele deeltjes.

Eerder werk heeft zich voornamelijk gericht op de manier waarop kwantumoscillatornetwerken combinatorische optimalisatieproblemen oplossen. Dit is de eerste bekende praktische toepassing van de cyber-CIM. Het door de auteurs voorgestelde kwantum-klassieke hybride systeem voert afwisselend CIM en klassieke digitale verwerking (CDP) uit. Om de prestaties van het cyber-CIM-algoritme bij het oplossen van L0-RBCS te evalueren, introduceerden zij een afgeknotte Wigner stochastische differentiaalvergelijking (W-SDE) als model voor een systeem van ono aantal OPO's.

De W-SDE valt binnen de niet-theoretische, fase-ruimte methode van de kwantummechanica, die werd uitgevonden om de onmogelijkheid (vanwege de beperkte middelen van moderne digitale computers) van directe numerieke simulatie in een open kwantumsysteem met dissipatie te omzeilen. Macroscopische vergelijkingen werden afgeleid door statistische mechanica toe te passen op de W-SDE. In de paper werd de toepassing van L0-RBCS op de cyber-CIM gedemonstreerd, die nu kan worden ingezet op een modern digitaal platform.

Het concept kan echter in de toekomst worden uitgebreid naar een hybride kwantum-klassieke machine. De paper verwacht betere prestaties, inclusief lagere energiekosten, in dat scenario, maar die voorspelling moet worden getest op een fysieke machine. Voorlopig blijft het team zich richten op de interactie tussen CIM en toepassingen.