Javascript must be enabled to continue!
Programming and learning quantum processors
View through CrossRef
Programmation et apprentissage des processeurs quantiques
Les avancées significatives en physique atomique, moléculaire et optique qui ont car-actérisé les dernières décennies nous ont offert une multitude de systèmes quantiques àN corps hautement contrôlables. Ce sont des plateformes prometteuses pour réaliser desprocesseurs quantiques, c’est-à-dire des systèmes quantiques qui peuvent être program-més pour simuler la dynamique d’un modèle cible ou pour résoudre des problèmes decalcul complexes. Tout en promettant des simulations quantiques à grande échelle et uncalcul quantique tolérant aux erreurs, cette nouvelle génération de processeurs quantiquessoulève également un certain nombre de défis théoriques. Dans cette thèse, nous nousconcentrons sur deux questions clés : (1) la programmation d’un système quantique avecdes interactions fixes pour réaliser des circuits quantiques et des dynamiques Hamiltoni-ennes, et (2) l’apprentissage de la structure de l’état d’un processeur quantique à partir dedonnées de mesure.Dans la première partie de cette thèse, nous présentons un protocole qui permet deréaliser des dynamiques Hamiltoniennes arbitraires et des circuits quantiques dans lessimulateurs quantiques programmables, en se basant sur le contrôle local de leurs degrésde liberté avec un champ exterieur. En particulier, nous montrons comment cela peut êtrefait via des impulsions temporelles mises au point analytiquement, et donnont des preuvesrigoureuses de garantie de performance. Nous illustrons les applications concrètes de ceprotocole par des exemples dans les contextes de la simulation quantique, de la correctiond’erreur quantique et de l’optimisation quantique. Enfin, inspirés par des travaux expéri-mentaux récents, nous considérons les effets de plusieurs imperfections expérimentales,démontrant ainsi que ces impulsions temporelles sont naturellement robustes. Ceci rendnotre protocole bien adapté aux expériences quantiques actuelles. Il en résulte une ap-proche prometteuse pour réaliser un processeur quantique universel dans des systèmesqui ne permettent pourtant pas un contrôle direct de leurs interactions.Dans la deuxième partie, nous développons de nouvelles méthodes pour caractériserl’état quantique d’un processeur quantique. Nous nous concentrons en particulier surles applications des mesures aléatoires, un formalisme récemment introduit qui permetd’estimer plusieurs propriétés d’un système quantique à partir des corrélations statistiquesentre des mesures quantiques effectuées dans des configurations aléatoires. Nous intro-duisons tout d’abord une quantité capable de classifier le comportement à grande échellede l’intrication dans les états mixtes, et qui peut être estimée à l’aide de mesures aléatoires.Nous étudions le comportement de cette quantité dans des ensembles d’états aléatoiresphysiquement pertinents et montrons comment elle peut être utilisée pour les distinguer.Nous introduisons ensuite une nouvelle méthode d’analyse des mesures aléatoires et mon-trons expérimentalement son application à l’estimation de l’intrication d’opérateurs (op-erator entanglement) dans la dynamique des ions piégés. Enfin, nous présentons un algo-rithme applicable à grande échelle et capable d’apprendre une représentation en termesdes réseaux des tenseurs d’un état quantique à partir de données de mesures aléatoires.Comme cette représentation est pertinente pour un état issu d’une dynamique unidimen-sionnelle bruitée et qu’elle est adaptée à un usage à grande échelle par les ordinateursclassique, cet algorithme est pertinent pour comparer les processeurs quantiques avec des centaines de qubits et pour évaluer l’avantage quantique. Ces résultats étendent la portéedes mesures aléatoires et découvrent de nouvelles applications dans les états quantiquesconstitués de nombreux qubits.
Title: Programming and learning quantum processors
Description:
Programmation et apprentissage des processeurs quantiques
Les avancées significatives en physique atomique, moléculaire et optique qui ont car-actérisé les dernières décennies nous ont offert une multitude de systèmes quantiques àN corps hautement contrôlables.
Ce sont des plateformes prometteuses pour réaliser desprocesseurs quantiques, c’est-à-dire des systèmes quantiques qui peuvent être program-més pour simuler la dynamique d’un modèle cible ou pour résoudre des problèmes decalcul complexes.
Tout en promettant des simulations quantiques à grande échelle et uncalcul quantique tolérant aux erreurs, cette nouvelle génération de processeurs quantiquessoulève également un certain nombre de défis théoriques.
Dans cette thèse, nous nousconcentrons sur deux questions clés : (1) la programmation d’un système quantique avecdes interactions fixes pour réaliser des circuits quantiques et des dynamiques Hamiltoni-ennes, et (2) l’apprentissage de la structure de l’état d’un processeur quantique à partir dedonnées de mesure.
Dans la première partie de cette thèse, nous présentons un protocole qui permet deréaliser des dynamiques Hamiltoniennes arbitraires et des circuits quantiques dans lessimulateurs quantiques programmables, en se basant sur le contrôle local de leurs degrésde liberté avec un champ exterieur.
En particulier, nous montrons comment cela peut êtrefait via des impulsions temporelles mises au point analytiquement, et donnont des preuvesrigoureuses de garantie de performance.
Nous illustrons les applications concrètes de ceprotocole par des exemples dans les contextes de la simulation quantique, de la correctiond’erreur quantique et de l’optimisation quantique.
Enfin, inspirés par des travaux expéri-mentaux récents, nous considérons les effets de plusieurs imperfections expérimentales,démontrant ainsi que ces impulsions temporelles sont naturellement robustes.
Ceci rendnotre protocole bien adapté aux expériences quantiques actuelles.
Il en résulte une ap-proche prometteuse pour réaliser un processeur quantique universel dans des systèmesqui ne permettent pourtant pas un contrôle direct de leurs interactions.
Dans la deuxième partie, nous développons de nouvelles méthodes pour caractériserl’état quantique d’un processeur quantique.
Nous nous concentrons en particulier surles applications des mesures aléatoires, un formalisme récemment introduit qui permetd’estimer plusieurs propriétés d’un système quantique à partir des corrélations statistiquesentre des mesures quantiques effectuées dans des configurations aléatoires.
Nous intro-duisons tout d’abord une quantité capable de classifier le comportement à grande échellede l’intrication dans les états mixtes, et qui peut être estimée à l’aide de mesures aléatoires.
Nous étudions le comportement de cette quantité dans des ensembles d’états aléatoiresphysiquement pertinents et montrons comment elle peut être utilisée pour les distinguer.
Nous introduisons ensuite une nouvelle méthode d’analyse des mesures aléatoires et mon-trons expérimentalement son application à l’estimation de l’intrication d’opérateurs (op-erator entanglement) dans la dynamique des ions piégés.
Enfin, nous présentons un algo-rithme applicable à grande échelle et capable d’apprendre une représentation en termesdes réseaux des tenseurs d’un état quantique à partir de données de mesures aléatoires.
Comme cette représentation est pertinente pour un état issu d’une dynamique unidimen-sionnelle bruitée et qu’elle est adaptée à un usage à grande échelle par les ordinateursclassique, cet algorithme est pertinent pour comparer les processeurs quantiques avec des centaines de qubits et pour évaluer l’avantage quantique.
Ces résultats étendent la portéedes mesures aléatoires et découvrent de nouvelles applications dans les états quantiquesconstitués de nombreux qubits.
Related Results
Advanced frameworks for fraud detection leveraging quantum machine learning and data science in fintech ecosystems
Advanced frameworks for fraud detection leveraging quantum machine learning and data science in fintech ecosystems
The rapid expansion of the fintech sector has brought with it an increasing demand for robust and sophisticated fraud detection systems capable of managing large volumes of financi...
Integrating quantum neural networks with machine learning algorithms for optimizing healthcare diagnostics and treatment outcomes
Integrating quantum neural networks with machine learning algorithms for optimizing healthcare diagnostics and treatment outcomes
The rapid advancements in artificial intelligence (AI) and quantum computing have catalyzed an unprecedented shift in the methodologies utilized for healthcare diagnostics and trea...
Advancements in Quantum Computing and Information Science
Advancements in Quantum Computing and Information Science
Abstract: The chapter "Advancements in Quantum Computing and Information Science" explores the fundamental principles, historical development, and modern applications of quantum co...
Quantum Computing and Quantum Information Science
Quantum Computing and Quantum Information Science
Abstract:
Quantum Computing and Quantum Information Science offers a comprehensive, interdisciplinary exploration of the mathematical principles, computational models, and engineer...
Quantum-Enhanced Artificial Intelligence: Framework for Hybrid Computing and Natural Language Processing
Quantum-Enhanced Artificial Intelligence: Framework for Hybrid Computing and Natural Language Processing
The convergence of quantum computing and artificial intelligence represents a paradigm shift in computational capability, enabling solutions to previously intractable optimization ...
Quantum information outside quantum information
Quantum information outside quantum information
Quantum theory, as counter-intuitive as a theory can get, has turned out to make predictions of the physical world that match observations so precisely that it has been described a...
Revolutionizing multimodal healthcare diagnosis, treatment pathways, and prognostic analytics through quantum neural networks
Revolutionizing multimodal healthcare diagnosis, treatment pathways, and prognostic analytics through quantum neural networks
The advent of quantum computing has introduced significant potential to revolutionize healthcare through quantum neural networks (QNNs), offering unprecedented capabilities in proc...
Quantum Cryptographic Primitives
Quantum Cryptographic Primitives
The main motivation of this thesis is the uncertain panorama of cybersecurity risks and threats, accentuated by the arrival of the quantum computer. This type of computer is comple...

