Séminaire de maîtrise Élie Génois

Titre 

Caractériser un qubit à l'aide d'apprentissage automatique inspirépar la mécanique quantique 

Résumé 

Un enjeu central au développement de l’ordinateur quantiqueconsiste à caractériser précisément les dynamiques d'un dispositif quantiqueréel. De nouvelles approches doivent être développées pour accomplir cette caractérisation alors que les méthodes statistiquesexistantes deviennent impossibles à réaliser à mesure que le nombre de qubitsaugmente. Les approches d’apprentissage automatique sont prometteuses pourréaliser cette caractérisation de manière heuristique en inférant l’informationessentielle à partir des données produites par le dispositif. Cependant, cesalgorithmes d’apprentissage sont difficiles à interpréter physiquement et ilsnécessitent de nombreuses données qui sont coûteuses à obtenirexpérimentalement. 

Dans le cadre de ce séminaire, je présenterai des approchesnovatrices pour caractériser les dynamiques d’un qubit supraconducteur demanière efficace et physiquement interprétable à l’aide d’algorithmesd’apprentissage automatique inspirés par la mécanique quantique. Nos idéesconsistent à adapter à la fois l’entraînement et la structure de l’algorithmeaux caractéristiques spécifiques de la tâche quantique d'apprentissage afin detirer profit au maximum des données accessibles en laboratoire. Je démontreraiégalement l’efficacité et le grand potentiel d’applicabilité de nos approchesen les utilisant pour caractériser un dispositif quantique réel opéré par noscollaborateurs expérimentaux à Berkeley. 

Lien TEAMS:

https://teams.microsoft.com/l/meetup-join/19%3ameeting_NDg5Mzg3MzctZTg4Mi00NGQyLWI4NzktYTVjNDRhNWMxYjc3%40thread.v2/0?context=%7b%22Tid%22%3a%223a5a8744-5935-45f9-9423-b32c3a5de082%22%2c%22Oid%22%3a%2249a5e096-e78e-49f5-b1d0-263974cf4c90%22%7d