I ricercatori dell'Università di Sydney e la startup di controllo quantistico Q-CTRL hanno annunciato oggi un modo per identificare le fonti di errore nei computer quantistici attraverso l'apprendimento automatico, fornendo agli sviluppatori di hardware la possibilità di individuare il degrado delle prestazioni con una precisione senza precedenti e accelerare i percorsi verso utili computer quantistici.

Un documento scientifico congiunto che dettaglia la ricerca, intitolato "Spettroscopia del rumore dell'oscillatore quantistico tramite stati di gatto spostato, " è stato pubblicato su Lettere di revisione fisica , la rivista di ricerca scientifica più importante al mondo e la pubblicazione di punta dell'American Physical Society (APS Physics).

Concentrandosi sulla riduzione degli errori causati dal "rumore" ambientale, il tallone d'Achille dell'informatica quantistica, il team dell'Università di Sydney ha sviluppato una tecnica per rilevare le più piccole deviazioni dalle condizioni precise necessarie per eseguire algoritmi quantistici utilizzando ioni intrappolati e hardware di calcolo quantistico superconduttore. Queste sono le tecnologie chiave utilizzate dagli sforzi di calcolo quantistico industriale leader a livello mondiale presso IBM, Google, tesoro, IonQ, e altri.

Per individuare la fonte delle deviazioni misurate, Gli scienziati di Q-CTRL hanno sviluppato un nuovo modo per elaborare i risultati della misurazione utilizzando algoritmi di apprendimento automatico personalizzati. In combinazione con le tecniche di controllo quantistico esistenti di Q-CTRL, i ricercatori sono stati anche in grado di ridurre al minimo l'impatto dell'interferenza di fondo nel processo. Ciò ha consentito una facile discriminazione tra sorgenti di rumore "reali" che potevano essere fissate e artefatti fantasma delle misurazioni stesse.

"La combinazione di tecniche sperimentali all'avanguardia con l'apprendimento automatico ha dimostrato enormi vantaggi nello sviluppo di computer quantistici, " ha affermato il dott. Cornelius Hempel dell'ETH di Zurigo che ha condotto la ricerca mentre era all'Università di Sydney. "Il team Q-CTRL è stato in grado di sviluppare rapidamente una soluzione di apprendimento automatico ingegnerizzata professionalmente che ci ha permesso di dare un senso ai nostri dati e fornire un nuovo modo per 'vedere' i problemi nell'hardware e risolverli."

Il CEO di Q-CTRL e professore dell'Università di Sydney Michael J. Biercuk ha dichiarato:"La capacità di identificare e sopprimere le fonti di degrado delle prestazioni nell'hardware quantistico è fondamentale sia per la ricerca di base che per gli sforzi industriali nella costruzione di sensori quantistici e computer quantistici.

"Controllo quantistico, potenziato dall'apprendimento automatico, ha mostrato un percorso per rendere questi sistemi praticamente utili e accelerare notevolmente i tempi di ricerca e sviluppo, " Egli ha detto.

"I risultati pubblicati in un prestigioso, rivista peer-reviewed convalida i vantaggi della cooperazione continua tra la ricerca scientifica di base in un laboratorio universitario e le startup deep-tech. Siamo entusiasti di portare avanti il ​​campo attraverso la nostra collaborazione".