[Alumnos] Fwd: Tesina Crosta Tomás - Viernes 03 12hs, Salón Conferencias, Edificio Abuelas

[Secretaría Departamental de Física]

********************************************
Secretaría Departamental de Física
secre2 en fisica.unlp.edu.ar
Cecilia Cafiero / Alejandro Chiquino
Facultad de Ciencias Exactas
Universidad Nacional de La Plata
******************************************** 

-------- Mensaje original -------- 

 		ASUNTO:
 		Tesina Crosta Tomás - Viernes 03 12hs, Salón Conferencias, Edificio
Abuelas

 		FECHA:
 		2023-10-30 12:40

 		REMITENTE:
 		tomas crosta <tomy_crosta en hotmail.com>

 		DESTINATARIO:
 		"secre2 en fisica.unlp.edu.ar" <secre2 en fisica.unlp.edu.ar>

Defensa de Tesis, titulada "Estrategias de aprendizaje automático para
discriminación de estados fotónicos", dirigida por el Dr. Matías Bilkis
y con Asesor Académico Mauricio Matera. La presentación tendrá lugar el
viernes 3 de noviembre a las 12 hs en el salón conferencias, del
edificio Abuelas. 

Incluyo un resumen del trabajo: 

El uso de estados coherentes para codificar y transmitir información es
una estrategia sumamente empleada para realizar comunicaciones de
carácter cuántico. Esto se debe a que pueden recorrer grandes distancias
interactuando débilmente con el entorno, y a la posibilidad de ser
manipulados con tecnología ya estandarizada. Sin embargo, decodificar la
información enviada presenta un inconveniente fundamental; los estados
coherentes no son ortogonales entre sí. Esto resulta en una cota
superior teórica sobre la capacidad de distinguir entre estados, la
cual, a diferencia del caso clásico, es menor que 1. Por este motivo, un
receptor tratará de aumentar su probabilidad éxito, pero siempre habrá
un error asociado. Para lograr una "buena" distinción de estados,
existen muchos métodos de detección como las medidas Homodina, Kennedy o
Dolinar. Pero cuando los estados son enviados a través de canales
ruidosos difíciles de modelar, como la atmósfera, resulta complicado
calibrar este tipo de detectores.  

De esta forma, en el trabajo de diploma se explora la viabilidad de
implementar técnicas de aprendizaje automático, para la calibración de
un detector de tipo Kennedy en situaciones realistas. Para esto, se
emplean inteligencias artificiales libres de modelo, basadas en técnicas
de aprendizaje reforzado y redes neuronales. De manera que
interaccionando con el entorno en un periodo de calibración, se utiliza
una estimación de la probabilidad de éxito como recompensa, para obtener
los parámetros óptimos del detector. Para ver la calidad de las
decisiones tomadas por el agente, se propondrán modelos de canales
realistas y se compararán las probabilidades de éxito de las propuestas
con modelos teóricos.   

Desde ya muchas gracias, 

Saludos Cordiales, 

Tomás.
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://mail.fisica.unlp.edu.ar/pipermail/alumnos/attachments/20231030/81c9252b/attachment.html>