Caractériser un qubit à l’aide d’apprentissage automatique inspiré par la mécanique quantique

Abstract

La quête scientifique au développement d'un ordinateur quantique qui est tolérant aux fautes est aujourd'hui en plein essor alors que de nombreuses compagnies et groupes académiques cherchent à réaliser une telle technologie capable de résoudre des problèmes majeurs pour la société. Parmi les défis à surmonter pour y arriver, un enjeu consiste à caractériser précisément les dynamiques d'un dispositif quantique réel, ce dernier étant soumis à de nombreuses interactions non contrôlées provenant de son environnement. Il s'avère qu'en utilisant les méthodes statistiques existantes, cette tâche de caractérisation devient rapidement impossible à réaliser à mesure que le nombre de qubits augmente. Les algorithmes d'apprentissage automatique sont particulièrement intéressants pour faire face à cette problématique puisqu’ils sont en mesure d'accomplir des tâches de manière heuristique en simplifiant significativement le problème à résoudre. Cependant, il est difficile d'interpréter physiquement ce que ces algorithmes apprennent pour en extraire une caractérisation utile et l'approche d'apprentissage nécessite de nombreuses données qui sont coûteuses à obtenir expérimentalement. Dans ce mémoire, je développe des techniques pour mitiger ces deux limitations et ainsi améliorer nos capacités à accomplir la caractérisation des qubits qui est essentielle au développement des dispositifs quantiques.

Avec mes collaborateurs à l'Institut quantique, nous proposons de tirer profit de nos connaissances des dynamiques quantiques en jeux afin d'aider les algorithmes d'apprentissage à trouver des solutions qui sont compréhensibles physiquement et que l'ont peut obtenir à partir de moins de données. Nos idées consistent à adapter à la fois la façon dont l'algorithme est entraîné ainsi que sa structure même afin de le rendre facilement compréhensible d'un point de vue physique. En appliquant cette approche d'apprentissage inspirée par la mécanique quantique à la caractérisation d'un qubit supraconducteur, je démontre comment on peut extraire les paramètres physiques du qubit de manière plus juste et plus efficace. En collaborant avec un groupe expérimental de pointe à Berkeley, j'applique également cette approche à des données provenant d'un dispositif réel et je démontre son efficacité pour en extraire une caractérisation physique intéressante. De par son applicabilité directe et flexible à différents problèmes en informatique quantique, notre approche a le potentiel de contribuer significativement au développement des dispositifs quantiques conçus aujourd'hui-même.