Les chercheurs de Vector utilisent l'apprentissage automatique pour construire de meilleurs ordinateurs quantiques

29 septembre 2021

2021 Blog Perspectives Apprentissage automatique Recherche Recherche 2021

Par Ian Gormely

29 septembre 2021

Les chercheurs de Vector appliquent des techniques d'apprentissage automatique pour construire de meilleurs ordinateurs quantiques, qui utilisent des qubits au lieu de bits. Les ordinateurs quantiques sont généralement plus rapides et disposent de plus de mémoire que les ordinateurs "classiques" avec lesquels la plupart des gens sont familiers, ce qui les rend idéaux pour les problèmes liés au cryptage, à l'analyse des données et à l'optimisation. 

Membre du corps enseignant Juan Felipe Carrasquilla a co-écrit l'article "Protocol Discovery for the Quantum Control of Majoranas by Differentiable Programming and Natural Evolution Strategies", avec Luuk Coopmans, Di Luo, Graham Kells, et Bryan K. Clark. avec Luuk Coopmans, Di Luo, Graham Kells et Bryan K. Clark. a été publié dans PRX Quantum en juin. Il détaille un moyen plus efficace de manipuler les qubits en se basant sur un type de particule appelé "qubits". basés sur un type de particules appelées modes zéro de Majorana, en utilisant l'apprentissage automatique, ce qui n'avait jamais été fait auparavant. en utilisant l'apprentissage automatique, ce qui n'avait jamais été fait auparavant", explique M. Carrasquilla, qui est également professeur adjoint à l'université de Waterloo (UW). L'UW et l'Institut Vecteur sont des partenaires clés, partageant de nombreux membres de la faculté, affiliés, de postdocs et d'étudiants.

En appliquant les techniques de ML au domaine, l'équipe a examiné l'une des questions d'optimisation quantique les plus fondamentales - comment l'information quantique, en particulier les modes zéro de Majorana, peut-elle se déplacer du point A au point B de la manière la plus rapide possible - et l'a transformée en jeu en utilisant des techniques similaires à l'apprentissage par renforcement. "Le jeu commence et, au début, vous n'êtes pas très bon", explique-t-il. "Vous réessayez, puis vous commencez à comprendre quelles pourraient être les stratégies de déplacement du qubit. 

La logique voudrait que le déplacement d'un objet à une vitesse constante en ligne droite soit le plus logique, mais ce n'est pas le cas. Au lieu de cela, le mode zéro de Majorana codant l'information quantique doit sauter très rapidement, arrivant à destination d'une manière que Carrasquilla compare à des sauts dans et hors d'un bus en mouvement. 

M. Carrasquilla pense qu'il est possible d'appliquer ces techniques à un certain nombre de problèmes quantiques différents. L'article a déjà été cité par un certain nombre de collègues, dont un autre membre de la faculté Vector Alán Aspuru-Guzik qui a utilisé certaines des techniques mises au point par Carrasquilla et son équipe pour optimiser les circuits quantiques.

Mais c'est dans un domaine qu'il n'avait jamais envisagé qu'elle a eu le plus d'impact : les réfrigérateurs microscopiques utilisés pour refroidir les appareils électroniques et les réseaux de fibres optiques. "J'ai été contacté pour utiliser cette stratégie afin de faire quelque chose de complètement différent de ce que j'avais envisagé", explique M. Carrasquilla. "On ne peut jamais savoir où notre travail va aboutir. 

Pour plus d'informations sur Juan Felipe Carrasquilla et son œuvre, cliquez ici pour plus d'informations sur Juan Felipe Carrasquilla et son travail.

En rapport :

2024
Recherche
Recherche 2024

Un nouvel ensemble de données multimodales contribuera au développement de systèmes d'IA éthiques

2024
Recherche
Recherche 2024

Dévoiler la maladie d'Alzheimer : Comment la parole et l'IA peuvent aider à détecter la maladie

2024
Recherche
Recherche 2024

Geoffrey Hinton, cofondateur de Vector, reçoit le prix Nobel de physique 2024