Controlling Quantum Experiments with Reinforcement Learning

Informations projet

ConQuER

N° de convention de subvention: 895439

DOI 10.3030/895439

Projet clôturé le 30 Avril 2022

Date de signature de la CE 24 Février 2020

Date de début 1 Octobre 2020

Date de fin 30 Septembre 2022

Financé au titre de

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coût total € 219 312,00

Contribution de l’UE € 219 312,00

Coordonné par

KOBENHAVNS UNIVERSITET
Denmark

Description du projet

Rapprocher l’IA et la physique quantique

Les physiciens travaillent d’arrache-pied pour essayer de construire des ordinateurs quantiques, une tâche difficile et éprouvante. La question est maintenant de savoir si l’intelligence artificielle (IA) peut aider à résoudre certains des défis expérimentaux en suspens. Le projet ConQuER, financé par l’UE, veut faire progresser l’intégration de l’apprentissage automatique et de l’IA de pointe dans les expériences de physique quantique. Il utilisera la puissance et l’efficacité des méthodes d’apprentissage automatique pour extraire des informations à partir d’une profusion de données de physique afin d’aller au-delà des méthodes traditionnelles. Le projet concevra et mettra en œuvre une méthode d’apprentissage par renforcement (RL) pour contrôler, stabiliser et régler une expérience à multiple spins-qubits à l’Institut Niels Bohr de Copenhague. La mise au point automatique du dispositif permettra de libérer des ressources en temps qui pourront être investies dans des avancées expérimentales.

Objectif

This proposal aims to advance the integration of state-of-the-art machine learning and artificial intelligence (AI) with quantum physics experiments. The abundance of physics data coming from experiments and simulations of quantum systems allows us to use the power and efficiency of machine learning methods to extract information from this data in a way that goes beyond traditional methods. Based on this insight, I will design and implement a reinforcement learning (RL) method that can directly control, stabilize (to create a quantum memory) and tune (for device characterization and setup) a multiple-spin-qubit experiment at the Niels Bohr Institute in Copenhagen. The resulting framework and open-source AI software are expected to be useful in any other quantum experiment for which tuning is a major component, and is expected to generate a large impact in the community. Automatic device tuning will free up precious time resources that can be invested in significant experimental advances.

Champ scientifique (EuroSciVoc)

CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.

• sciences naturelles › informatique et science de l'information › logiciel
• sciences naturelles › sciences physiques › physique quantique
• sciences naturelles › informatique et science de l'information › intelligence artificielle › apprentissage automatique › apprentissage par renforcement

Vous devez vous identifier ou vous inscrire pour utiliser cette fonction

Mots‑clés

• Spin qubits
• Reinforcement learning
• Noisy experimental control
• automated device tuning

Programme(s)

• H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions Main Programme
• H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility

Thème(s)

• MSCA-IF-2019 - Individual Fellowships

Appel à propositions

H2020-MSCA-IF-2019

Régime de financement

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Coordinateur

KOBENHAVNS UNIVERSITET

• Contribution nette de l'UE: € 219 312,00
• Adresse: NORREGADE 10 ; 1165 Kobenhavn ; Danemark
• Région: Danmark › Hovedstaden › Byen København
• Type d’activité: Higher or Secondary Education Establishments
• Coût total: € 219 312,00