Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Controlling Quantum Experiments with Reinforcement Learning

Descrizione del progetto

Riunire l’IA e la fisica quantistica

I fisici sono al lavoro per cercare di costruire computer quantistici, un compito difficile e impegnativo. La questione ora è se l’intelligenza artificiale (IA) possa aiutare a risolvere alcune delle sfide sperimentali in sospeso. Il progetto ConQuER, finanziato dall’UE, porterà avanti l’integrazione dell’apprendimento automatico e dell’intelligenza artificiale allo stato dell’arte con gli esperimenti di fisica quantistica. Utilizzerà la potenza e l’efficienza dei metodi di apprendimento automatico per estrarre informazioni da un’abbondanza di dati fisici per andare oltre i metodi tradizionali. Il progetto progetterà e implementerà un metodo di apprendimento per rinforzo (Reinforcement Learning, RL) per controllare, stabilizzare e sintonizzare un esperimento di multi-spin-qubit presso l’Istituto Niels Bohr di Copenhagen. La messa a punto automatica del dispositivo libererà risorse di tempo che possono essere investite in progressi sperimentali.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) H2020-MSCA-IF-2019

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

KOBENHAVNS UNIVERSITET
Contributo netto dell'UE
€ 219 312,00
Indirizzo
NORREGADE 10
1165 KOBENHAVN
Danimarca
Regione
Danmark Hovedstaden Byen København
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
€ 219 312,00