Opis projektu
Zaawansowane sterowanie kwantowe dzięki symulatorom kwantowym opartym na sztucznej inteligencji
Kontrolowanie materii kwantowej znajdującej się w stanach poza równowagą stanowi poważne wyzwanie dla współczesnej fizyki. Zespół finansowanego ze środków Europejskiej Rady ds. Badań Naukowych projektu QuSimCtrl ma na celu rozwiązanie tego problemu poprzez rozszerzenie możliwości mechanizmów kontroli działających w stanie równowagi na stany poza równowagą. Wykorzystując symulację kwantową badacze zamierzają zbadać zjawiska niewystępujące w konwencjonalnych materiałach i podejmą wyzwanie manipulacji układami poza równowagą. Łącząc kontrolę kwantową ze sztuczną inteligencją, a zwłaszcza algorytmami uczenia maszynowego ze wzmocnieniem, zespół opracuje ramy dla nieadiabatycznej kontroli stanu wielu ciał, usprawniając manipulację zimnymi atomami, uwięzionymi jonami i kwantowymi ciałami stałymi. Celem badaczy jest odkrycie fundamentalnych zasad kontroli wielu ciał poza równowagą, łącząc dynamikę kwantową, mechanikę statystyczną i uczenie maszynowe. Badania te mają kluczowe znaczenie dla innowacyjnych materiałów i technologii opartych na procesach poza równowagą zachodzących w materii skondensowanej, optyce kwantowej i obliczeniach kwantowych.
Cel
The ability to control quantum matter in a state of equilibrium is a milestone of 20th-century physics. A major goal of modern physics is to extend this knowledge to out-of-equilibrium systems. Located at the boundary between equilibrium and nonequilibrum, quantum simulation appears particularly suitable for this purpose. Using periodic drives, quantum simulators can experimentally emulate phenomena hitherto inaccessible in conventional materials, such as artificial gauge fields or topological and dynamically localized matter. However, our understanding of how to manipulate systems exposed to intense nonequilibrium drives is in its infancy, especially regarding strongly interacting models.
We propose to overcome the current limitations by combining ideas from quantum control and artificial intelligence (AI) algorithms. We will develop a new theoretical framework for nonadiabatic many-body state control on top of strong periodic drives underlying the optimal manipulation of ordered prethermal states of matter without equilibrium counterparts. Understanding this many-body dynamics will improve cutting-edge manipulation techniques in cold atoms, trapped ions, superconducting circuits, and quantum solids.
We will add reinforcement learning (RL), one of the most promising techniques in AI, to the quantum entanglement control toolbox. Deep RL has the potential to push the state-of-the-art of (dis-)entangling quantum states since it is capable of identifying effective degrees of freedom even when no underlying physical structure is immediately obvious.
Discovering guiding principles of physics for many-body control away from equilibrium has the potential to reveal new connections across quantum dynamics, statistical mechanics, optimal control, and machine learning. The proposed research establishes a missing link on the roadmap for designing future materials and technologies based on nonequilibrium processes in condensed matter, quantum optics, and quantum computing.
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
80539 Munchen
Niemcy