Caractérisation efficace et cohérente de dispositifs supraconducteurs quantiques utilisant des architectures neuronales récurrentes

Sommaire

DIRECTRICE/DIRECTEUR DE RECHERCHE
Alexandre Blais, Professeur - Institut quantique
UNITÉ(S) ADMINISTRATIVE(S)
Faculté des sciences
Département de physique
Institut quantique
CYCLE(S)
2e cycle
LIEU(X)
Institut Quantique Sherbrooke

Description du projet

La génération actuelle de technologies quantiques nécessite des méthodes statistiques avancées pour son calibration et validation. Ces méthodes ne seront toutefois pas suffisantes pour des dispositifs plus complexes et donc de nouvelles techniques sont nécessaires. Les algorithmes d’apprentissage machine peuvent résoudre de nombreux problèmes tout aussi complexes. Jusqu’à présent, la plupart des efforts ont porté sur des architectures d’apprentissage profond conçues pour analyser des problèmes diverses de l’informatique quantique. Bien que ces efforts aient connu un certain succès, la complexité imminente des futurs appareils quantiques exigera des techniques plus puissantes. Nous identifierons les composants des réseaux de neurones récurrents qui sont bien adaptés à l’apprentissage des données expérimentales générées par des circuits supraconducteurs, et nous combinerons ces composants dans une nouvelle architecture conçue pour la calibration et la validation des dispositifs fabriqués à partir de ces circuits. Cette recherche appuiera les efforts techniques visant à concevoir des nouvelles technologies quantiques.
En recrutement : 1 étudiant à la maîtrise

Sciences naturelles et génie

Physique

La dernière mise à jour a été faite le 26 juillet 2019. L’Université se réserve le droit de modifier ses projets sans préavis.

Renseignements

Numéro de la fiche : OPR-366

Fiche téléchargeable

Version PDF