Il est facile de contrôler la trajectoire d’un ballon de basket : il suffit d’appliquer une force mécanique couplée à une habileté humaine. Mais contrôler le mouvement des systèmes quantiques tels que les atomes et les électrons est beaucoup plus difficile, car ces minuscules morceaux de matière sont souvent la proie de perturbations qui les font dévier de leur chemin de manière imprévisible. Le mouvement à l’intérieur du système se dégrade – un processus appelé amortissement – et le bruit provenant d’effets environnementaux tels que la température perturbe également sa trajectoire.
Une façon de contrer l’amortissement et le bruit consiste à appliquer des impulsions stabilisatrices de lumière ou de tension d’intensité fluctuante au système quantique. Des chercheurs de l’Institut des sciences et technologies d’Okinawa (OIST) au Japon ont montré qu’ils pouvaient utiliser l’intelligence artificielle pour découvrir ces impulsions de manière optimisée afin de refroidir de manière appropriée un objet micromécanique à son état quantique et de contrôler son mouvement. Leurs recherches ont été publiées en novembre 2022 dans Recherche d’examen physique.
Les objets micromécaniques, de grande taille par rapport à un atome ou un électron, se comportent classiquement lorsqu’ils sont maintenus à haute température, voire à température ambiante. Cependant, si ces modes mécaniques peuvent être refroidis jusqu’à leur état d’énergie le plus bas, que les physiciens appellent l’état fondamental, un comportement quantique pourrait être réalisé dans de tels systèmes. Ces types de modes mécaniques peuvent ensuite être utilisés comme capteurs ultra-sensibles pour la force, le déplacement, l’accélération gravitationnelle, etc. ainsi que pour le traitement et l’informatique quantiques.
« Les technologies construites à partir de systèmes quantiques offrent d’immenses possibilités », a déclaré le Dr Bijita Sarma, auteur principal de l’article et chercheur postdoctoral à l’unité OIST Quantum Machines dans le laboratoire du professeur Jason Twamley. « Mais pour bénéficier de leur promesse de conception de capteurs ultraprécis, le traitement de l’information quantique à grande vitesse et l’informatique quantique, nous devons apprendre à concevoir des moyens d’obtenir un refroidissement et un contrôle rapides de ces systèmes. »
La méthode basée sur l’apprentissage automatique qu’elle et ses collègues ont conçue montre comment des contrôleurs artificiels peuvent être utilisés pour découvrir des séquences d’impulsions intelligentes non intuitives qui peuvent refroidir un objet mécanique de températures élevées à ultra-froides plus rapidement que d’autres méthodes standard. Ces impulsions de contrôle sont auto-découvertes par l’agent d’apprentissage automatique. Le travail présente l’utilité de l’intelligence artificielle des machines dans le développement des technologies quantiques.
L’informatique quantique a le potentiel de révolutionner le monde en permettant des vitesses de calcul élevées et des techniques cryptographiques de reformatage. C’est pourquoi de nombreux instituts de recherche et grandes entreprises de technologie telles que Google et IBM investissent beaucoup de ressources dans le développement de telles technologies. Mais pour permettre cela, les chercheurs doivent parvenir à un contrôle complet du fonctionnement de tels systèmes quantiques à très haute vitesse, afin que les effets du bruit et de l’amortissement puissent être éliminés.
« Afin de stabiliser un système quantique, les impulsions de contrôle doivent être rapides – et nos contrôleurs d’intelligence artificielle ont montré la promesse d’atteindre un tel [a] exploit « , a déclaré le Dr Sarma. « Ainsi, notre méthode proposée de contrôle quantique utilisant un contrôleur d’IA pourrait constituer une percée dans le domaine de l’informatique quantique à grande vitesse, et cela pourrait être une première étape pour réaliser des machines quantiques qui sont auto- conduite, semblable aux voitures autonomes. Nous espérons que de telles méthodes attireront de nombreux chercheurs quantiques pour de futurs développements technologiques. »
Plus d’information:
Bijita Sarma et al, Refroidissement motionnel accéléré avec apprentissage par renforcement profond, Recherche d’examen physique (2022). DOI : 10.1103/PhysRevResearch.4.L042038