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 webpage 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 uns avec les autres au niveau de la mécanique quantique est encore as well as 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 furthermore difficile par la nature des états quantiques, qui s’effondrent lorsque l’on tente de les inspecter.

Dans l’article, Finding out styles of quantum methods from activities, publié dans Character Physics, la mécanique quantique des laboratoires QET de Bristol décrit un algorithme qui surmonte ces défis en agissant comme un agent autonome, en utilisant l’apprentissage automatique pour rétro-ingénierie des 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 systems quantiques.

« En combinant la puissance des supercalculateurs d’aujourd’hui avec l’apprentissage automatique, nous avons pu découvrir automatiquement la construction des systèmes quantiques. À mesure que de nouveaux ordinateurs / simulateurs quantiques deviennent disponibles, l’algorithme devient in addition passionnant: il peut d’abord aider à vérifier les performances de l’appareil lui-même, exploitez ensuite ces appareils pour comprendre des systèmes de additionally en plus grands « , a déclaré Brian Flynn du QETLabs et du Quantum Engineering Centre for Doctoral Schooling 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 systems 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 Faculty 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 website page de l’investigation scientifique en donnant aux equipment la capacité d’apprendre des expériences et de découvrir une nouvelle physique. Les conséquences pourraient en effet être considérables.  »

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