Élie Genois
Étudiant au doctorat en physique
Université de Sherbrooke
Publication primée : Quantum-Tailored Machine-Learning Characterization of a Superconducting Qubit
Publiée dans : PRX Quantum 2
Résumé
Dans la quête scientifique au développement d’un ordinateur quantique tolérant aux fautes, l’un des défis centraux consiste à mieux comprendre les dynamiques qui sont en jeux dans les dispositifs quantiques complexes. De concert avec ses collaborateurs à l’Institut quantique, Élie Genois a développé des méthodes innovantes d’apprentissage automatique qui sont taillées sur mesure à cette problématique de nature quantique. Ils ont également collaboré avec un groupe de renommée à Berkeley afin d’appliquer leur approche sur un ordinateur quantique réel. Dans cet article, ils démontrent l’efficacité de leur proposition ainsi que sa pertinence pour améliorer le contrôle des systèmes quantiques conçus aujourd’hui-même.