Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Quantum dynamical neural networks

Opis projektu

Przełamanie bariery kubitów: parametrycznie sprzężone nadprzewodzące oscylatory kwantowe

Obliczenia kwantowe z kubitami analogicznymi do klasycznych bitów obliczeniowych mogą zapewnić bezprecedensową wydajność obliczeniową zarówno pod względem skali, jak i czasu obliczeń. Nadprzewodzące kubity są jednymi z najpopularniejszych obszarów zainteresowania, ale zwiększenie liczby fizycznie sprzężonych kubitów nadprzewodzących do rozmiarów sieci pozostaje dużym wyzwaniem – największy dotychczasowy komputer kwantowy ma mniej niż 500 kubitów. Zespół finansowanego przez ERBN projektu qDynnet planuje pokonać tę barierę w zupełnie nowy sposób. Parametrycznie sprzężone nadprzewodzące oscylatory kwantowe zamiast fizycznie sprzężonych kubitów umożliwią tworzenie kwantowych sieci neuronowych o niespotykanym dotąd rozmiarze, łączności i możliwości dostrajania. Projekt wykracza poza obecne symulacje, aby eksperymentalnie zrealizować dynamiczne architektury kwantowych sieci neuronowych z milionami neuronów i konfigurowalnymi połączeniami.

Cel

Quantum neural networks are a young research field, that has been rapidly expanding due to their potential to attain revolutionary computing capacities and the possibility to learn on quantum data, inaccessible to classical computers. However, despite impressive proof-of-concept results, currently existing approaches that rely on sparsely coupled qubits, are not scalable to network sizes and connectivities with tunable weights required for state-of-the art tasks. In qDynnet, I will adopt a completely new and unexplored approach that uses parametrically coupled superconducting quantum oscillators instead of physically coupled qubits, that will allow me to obtain quantum neural networks of unprecedented size, connectivity and tunability. To do this, I will shift the paradigm by implementing neurons as basis states of dynamically coupled multi-level quantum oscillators, and connections between neurons as transition rates obtained through different dynamical processes such as parametric coupling, resonant drives and dissipation. I will implement experimentally quantum neural network architectures that were only simulated until now and use them to demonstrate data classification with basis state neurons. In order to go towards more complex tasks, I will use parametric coupling to introduce tunable connections between neurons. I will develop new training methods that will allow me to tune connections in such dynamical quantum neural networks and use them to demonstrate learning to recognize quantum states. I will develop circuit geometries that will be scalable to large quantum neural networks with millions of neurons and tunable connections. The qDynnet project will provide understanding of physics, and methods for dynamical coupling and training, that will have a broad impact across quantum computing fields and serve as a foundation for a whole new family of large-scale dynamical quantum neural networks.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) ERC-2022-STG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 1 497 536,00
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

€ 1 497 536,00

Beneficjenci (1)

Moja broszura 0 0