Aprendizado de máquina aplicado ao efeito de Stern-Gerlach óptico

• Processo: 22/15394-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de março de 2023
• Data de Término da vigência: 29 de fevereiro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física Geral
• Pesquisador responsável: Daniel Zini Rossatto
• Beneficiário: Gustavo Del Duque
• Instituição Sede: Instituto de Ciência e Engenharia. Universidade Estadual Paulista (UNESP). Campus Experimental de Itapeva. Itapeva , SP, Brasil
• Assunto(s): Aprendizado computacional Máquinas de vetores de suporte Óptica quântica
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Efeito de Stern-Gerlach óptico | Eletrodinamica quantica de cavidades | Máquina de Vetores de Suporte | Óptica Quântica | Óptica quântica

Resumo

Nos últimos anos a aplicação de técnicas de aprendizado de máquina vem se tornando cada vez mais relevante em diferentes áreas de pesquisa, inclusive na física. Em geral, para se obter informações sobre algum sistema quântico é necessário conhecer seu estado, o que experimentalmente requer a tomografia de estado quântico desse sistema, tarefa a qual pode se tornar desafiadora uma vez que a descrição total do estado de um sistema quântico escala exponencialmente com a dimensão de seu espaço de Hilbert. Neste projeto aplicaremos técnicas de aprendizado de máquina, em particular através de algoritmos de máquinas de vetores de suporte, para classificar ou estimar características do estado do campo eletromagnético de um modo de uma cavidade óptica utilizando do efeito de Stern-Gerlach óptico, eliminando a necessidade de realizar a tomografia do estado intracavidade. Para isso, a máquina será treinada e alimentada a partir de características do padrão de espalhamento que um feixe atômico está sujeito quando atravessa a cavidade em certo estado (efeito Stern-Gerlach óptico). Ademais, o projeto visa a capacitação do candidato na programação em linguagem Python, em especial para simulação da dinâmica de sistemas quânticos e para aplicação prática de aprendizado de máquina.