Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Beyond-classical Machine learning and AI for Quantum Physics

Objetivo

A primary challenge in quantum computing (QC) is finding its ideal application, i.e. an essential problem with the largest advantage of quantum over classical computing. To resolve it, I propose to focus on the notoriously complex area of quantum many-body systems. This project will characterise which quantum many-body problems, in various physics domains, allow for significant quantum advantages even over any future machine learning, data-driven methods. By exploiting my pioneering research in this area, I will also develop new quantum machine learning (QML) methods to solve them better than classically possible, using a two-stage approach.

In the first stage, we will develop the project's theoretical foundations. My recent works on quantum-over-classical learning advantages provide the starting points for the development of new mathematical machinery which facilitates the proving of quantum advantages in selected many-body settings. In parallel,
building on circuit-decomposition methods I recently developed, we will elucidate the role of quantum phenomena in QML in order to design new QML methods which can be better tuned to quantum many-body settings.

In the second stage, we will identify suitable concrete quantum many-body problems with substantial real-world interest, apply the newly designed high-performing quantum learners, and formally prove learning advantages using the developed theoretical machinery.

The positive results of the project will resolve some of the main open problems in QML and will have a major impact on both QC theory and aspects of foundations and applications of QML. In our search for the best application, we will consider many-body problems from diverse areas of physics: condensed matter, high-energy, and quantum control. The project will therefore also establish new bridges between quantum many-body physics, machine learning, and quantum computing.

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

HORIZON-ERC - HORIZON ERC Grants

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) ERC-2023-COG

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

UNIVERSITEIT LEIDEN
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 1 995 289,00
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

€ 1 995 289,00

Beneficiarios (1)

Mi folleto 0 0