La conception de cet artiste montre comment l'équipe de recherche a utilisé l'intelligence artificielle (IA) et d'autres techniques de calcul pour régler un dispositif à points quantiques à utiliser comme qubit. Les électrons du point sont entourés de portes électriques, dont les tensions réglables élèvent et abaissent les « pics » et les « vallées » dans les grands cercles. Comme les portes poussent les électrons autour, la mesure sensible des électrons en mouvement crée des lignes révélatrices dans les images en noir et blanc, que l'IA utilise pour juger de l'état du point, puis procéder à des ajustements successifs des tensions de grille. Finalement, l'IA convertit un seul point (le grand cercle le plus à gauche) en un double point (le plus à droite), un processus qui prend des heures fastidieuses pour un opérateur humain. Crédit :B. Hayes / NIST
Un moteur de voiture de course haut de gamme a besoin de tous ses composants réglés et fonctionnant ensemble avec précision pour offrir des performances de qualité supérieure. La même chose peut être dite à propos du processeur à l'intérieur d'un ordinateur quantique, dont les bits délicats doivent être ajustés de la bonne manière avant de pouvoir effectuer un calcul. Qui est le bon mécanicien pour ce travail de mise au point quantique ? Selon une équipe qui comprend des scientifiques du National Institute of Standards and Technology (NIST), c'est une intelligence artificielle, c'est qui.
L'article de l'équipe dans le journal Examen physique appliqué décrit un moyen d'apprendre à une IA à effectuer un ensemble interconnecté d'ajustements à de minuscules points quantiques, qui font partie des nombreux dispositifs prometteurs pour créer les bits quantiques, ou "qubits, " qui formeraient les commutateurs dans le processeur d'un ordinateur quantique.
Ajuster précisément les points est crucial pour les transformer en qubits fonctionnant correctement, et jusqu'à présent, le travail devait être fait minutieusement par des opérateurs humains, nécessitant des heures de travail pour créer même une petite poignée de qubits pour un seul calcul.
Un ordinateur quantique pratique avec de nombreux qubits en interaction nécessiterait beaucoup plus de points - et d'ajustements - qu'un humain ne pourrait en gérer, ainsi, l'accomplissement de l'équipe pourrait rapprocher le traitement basé sur les points quantiques du domaine de la théorie à la réalité artificielle.
"Les théoriciens de l'informatique quantique imaginent ce qu'ils pourraient faire avec des centaines ou des milliers de qubits, mais l'éléphant dans la pièce est que nous ne pouvons en fait faire fonctionner qu'une poignée d'entre eux à la fois, " a déclaré Justyna Zwolak, un mathématicien du NIST. "Maintenant, nous avons une voie à suivre pour rendre cela réel."
Une boîte quantique contient généralement des électrons confinés dans un espace étroit en forme de boîte dans un matériau semi-conducteur. Les parois de la boîte sont formées de plusieurs électrodes métalliques (appelées grilles) au-dessus de la surface semi-conductrice auxquelles est appliquée une tension électrique, influençant la position de la boîte quantique et le nombre d'électrons. Selon leur position par rapport au point, les portes contrôlent les électrons de différentes manières.
Pour que les points fassent ce que vous voulez, agissez comme une sorte de commutateur logique qubit ou une autre, par exemple, les tensions de grille doivent être réglées sur les bonnes valeurs. Ce réglage se fait manuellement, en mesurant les courants circulant dans le système de points quantiques, puis en changeant un peu les tensions de grille, puis vérifier à nouveau le courant. Et plus vous impliquez de points (et de portes), plus il est difficile de les régler tous simultanément afin d'obtenir des qubits qui fonctionnent correctement ensemble.
En bref, ce n'est pas un concert qu'un mécanicien humain se sentirait mal de perdre face à une machine.
"C'est généralement un travail effectué par un étudiant diplômé, " a déclaré Tom McJunkin, étudiant diplômé du département de physique de l'Université du Wisconsin-Madison et co-auteur de l'article. " Je pourrais régler un point en quelques heures, et deux pourraient prendre une journée à tourner les boutons. je pourrais en faire quatre, mais pas si j'ai besoin de rentrer à la maison et de dormir. Au fur et à mesure que ce domaine s'agrandit, nous ne pouvons pas passer des semaines à préparer le système, nous devons éliminer l'humain de l'image."
Des photos, bien que, sont exactement ce que McJunkin avait l'habitude de regarder en réglant les points :les données avec lesquelles il travaillait se présentaient sous la forme d'images visuelles, que l'équipe a réalisé que l'IA est bonne à reconnaître. Les algorithmes d'IA appelés réseaux de neurones convolutifs sont devenus la technique de prédilection pour la classification automatisée des images, tant qu'ils sont exposés à de nombreux exemples de ce qu'ils doivent reconnaître. Donc l'équipe Sandesh Kalantre, sous la supervision de Jake Taylor au Joint Quantum Institute, a créé un simulateur qui générerait des milliers d'images de mesures de points quantiques qu'ils pourraient transmettre à l'IA en tant qu'exercice d'entraînement.
"Nous simulons la configuration de qubit que nous voulons et l'exécutons pendant la nuit, et le matin, nous avons toutes les données dont nous avons besoin pour entraîner l'IA à régler le système automatiquement, " a déclaré Zwolak. " Et nous l'avons conçu pour être utilisable sur n'importe quel système à base de points quantiques, pas seulement le nôtre."
L'équipe a commencé petit, en utilisant une configuration de deux points quantiques, et ils ont vérifié que, dans certaines contraintes, leur IA formée pouvait régler automatiquement le système sur la configuration qu'ils souhaitaient. Ce n'était pas parfait - ils ont identifié plusieurs domaines sur lesquels ils doivent travailler pour améliorer la fiabilité de l'approche - et ils ne peuvent pas encore l'utiliser pour régler des milliers de points quantiques interconnectés. Mais même à ce stade précoce, son pouvoir pratique est indéniable, permettant à un chercheur qualifié de passer un temps précieux ailleurs.
"C'est un moyen d'utiliser l'apprentissage automatique pour économiser du travail, et, éventuellement, de faire quelque chose que les êtres humains ne savent pas faire, " a déclaré Zwolak. "Nous pouvons tous reconnaître un chat en trois dimensions, et c'est essentiellement ce qu'est un seul point avec quelques portes correctement réglées. Beaucoup de points et de portes sont comme un chat en 10 dimensions. Un humain ne peut même pas voir un chat 10D. Mais nous pouvons entraîner une IA à en reconnaître une."
Cette histoire est republiée avec l'aimable autorisation du NIST. Lisez l'histoire originale ici.
