Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

Controlling Quantum Experiments with Reinforcement Learning

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)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

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

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2019

Voir tous les projets financés au titre de cet appel

Coordinateur

KOBENHAVNS UNIVERSITET
Contribution nette de l'UE
€ 219 312,00
Coût total
€ 219 312,00