Un protocole de rétro-ingénierie des modèles hamiltoniens fait progresser l’automatisation des dispositifs quantiques – Technoguide

Des scientifiques des laboratoires de technologie quantique (QETLabs) de l’Université de Bristol ont développé un algorithme qui fournit des informations précieuses sur la physique sous-jacente aux systèmes quantiques – ouvrant la voie à des progrès significatifs dans le calcul et la détection quantiques, et potentiellement en tournant une nouvelle page dans la recherche scientifique .

En physique, les systèmes de particules et leur évolution sont décrits par des modèles mathématiques, nécessitant l’interaction réussie d’arguments théoriques et de vérifications expérimentales. La description des systèmes de particules interagissant les unes avec les autres au niveau de la mécanique quantique est encore plus complexe, ce qui est souvent fait à l’aide d’un modèle hamiltonien. Le processus de formulation de modèles hamiltoniens à partir d’observations est rendu encore plus difficile par la nature des états quantiques, qui s’effondrent lorsque l’on tente de les inspecter.

Dans l’article, Learning models of quantum systems from experiences, publié dans Nature Physics, la mécanique quantique des laboratoires QET de Bristol décrit un algorithme qui surmonte ces défis en agissant en tant qu’agent autonome, en utilisant l’apprentissage automatique pour désosser les modèles hamiltoniens.

L’équipe a développé un nouveau protocole pour formuler et valider des modèles approximatifs pour les systèmes quantiques d’intérêt. Leur algorithme fonctionne de manière autonome, concevant et effectuant des expériences sur le système quantique ciblé, les données résultantes étant réinjectées dans l’algorithme. Il propose des modèles hamiltoniens candidats pour décrire le système cible et les distingue à l’aide de métriques statistiques, à savoir les facteurs de Bayes.

De manière passionnante, l’équipe a pu démontrer avec succès la capacité de l’algorithme sur une expérience quantique réelle impliquant des centres de défauts dans un diamant, une plate-forme bien étudiée pour le traitement de l’information quantique et la détection quantique.

L’algorithme pourrait être utilisé pour faciliter la caractérisation automatisée de nouveaux dispositifs, tels que les capteurs quantiques. Ce développement représente donc une avancée significative dans le développement des technologies quantiques.

«En combinant la puissance des supercalculateurs d’aujourd’hui avec l’apprentissage automatique, nous avons pu découvrir automatiquement la structure des systèmes quantiques. À mesure que de nouveaux ordinateurs / simulateurs quantiques deviennent disponibles, l’algorithme devient plus passionnant: il peut d’abord aider à vérifier les performances de l’appareil lui-même, exploitez ensuite ces dispositifs pour comprendre des systèmes de plus en plus grands », a déclaré Brian Flynn du QETLabs et du Quantum Engineering Center for Doctoral Training de l’Université de Bristol.

«Ce niveau d’automatisation permet de divertir des myriades de modèles hypothétiques avant de sélectionner un modèle optimal, une tâche qui serait autrement décourageante pour des systèmes dont la complexité ne cesse de croître», a déclaré Andreas Gentile, ancien des QETLabs de Bristol, maintenant chez Qu & Co .

«Comprendre la physique sous-jacente et les modèles décrivant les systèmes quantiques nous aide à faire progresser nos connaissances sur les technologies adaptées au calcul quantique et à la détection quantique», a déclaré Sebastian Knauer, également ancien des QETLabs de Bristol et maintenant basé à la faculté de physique de l’Université de Vienne.

Anthony Laing, codirecteur de QETLabs et professeur agrégé à la Bristol’s School of Physics, et auteur de l’article, a fait l’éloge de l’équipe: «Dans le passé, nous nous sommes appuyés sur le génie et le travail acharné des scientifiques pour découvrir une nouvelle physique. L’équipe a potentiellement tourné une nouvelle page de l’investigation scientifique en donnant aux machines la capacité d’apprendre des expériences et de découvrir de nouvelles physiques. Les conséquences pourraient en effet être considérables. “

La prochaine étape de la recherche consiste à étendre l’algorithme pour explorer des systèmes plus grands et différentes classes de modèles quantiques qui représentent différents régimes physiques ou structures sous-jacentes.

Source de l’histoire:

Matériel fourni par l’Université de Bristol. Remarque: le contenu peut être modifié pour le style et la longueur.

.

A propos Technoguide

Voir aussi

Dans le processus de graphène, la résistance est utile – Technoguide

Un laboratoire de l’Université Rice a adapté sa technique de graphène induit par laser pour …

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Défiler vers le haut