MétaCan
Menu
Back to cohort
Record W2243397763

Caractérisation pratique des systèmes quantiques et mémoires quantiques auto-correctrices 2D

2013· article· fr· W2243397763 on OpenAlexfundno aff
Olivier Landon-Cardinal

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2013
Typearticle
Languagefr
FieldComputer Science
TopicNeural Networks and Applications
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of CanadaFonds Québécois de la Recherche sur la Nature et les Technologies
KeywordsComputer science
DOInot available

Abstract

fetched live from OpenAlex

Cette thèse s'attaque à deux problèmes majeurs de l'information quantique: - Comment caractériser efficacement un système quantique? - Comment stocker de l'information quantique? Elle se divise done en deux parties distinctes reliées par des éléments techniques communs. Chacune est toutefois d'un intérêt propre et se suffit à elle-même. Caractérisation pratique des systèmes quantiques. Le calcul quantique exige un très grand contrôle des systèmes quantiques composés de plusieurs particules, par exemple des atomes confinés dans un piège électromagnétique ou des électrons dans un dispositif semi-conducteur. Caractériser un tel système quantique consiste à obtenir de l'information sur l'état grâce à des mesures expérimentales. Or, chaque mesure sur le système quantique le perturbe et doit done être effectuée après avoir repréparé le système de façon identique. L'information recherchée est ensuite reconstruite numériquement à partir de l'ensemble des données expérimentales. Les expériences effectuées jusqu'à présent visaient à reconstruire l'état quantique complet du système, en particulier pour démontrer la capacité de préparer des états intriqués, dans lesquels les particules présentent des corrélations non-locales. Or, la procédure de tomographie utilisée actuellement n'est envisageable que pour des systèmes composés d'un petit nombre de particules. Il est donc urgent de trouver des méthodes de caractérisation pour les systèmes de grande taille. Dans cette thèse, nous proposons deux approches théoriques plus ciblées afin de caractériser un système quantique en n'utilisant qu'un effort expérimental et numérique raisonnable. - La première consiste à estimer la distance entre l'état réalisé en laboratoire et l'état cible que l'expérimentateur voulait préparer. Nous présentons un protocole, dit de certification, demandant moins de ressources que la tomographie et très efficace pour plusieurs classes d'états importantes pour l'informatique quantique. - La seconde approche, dite de tomographie variationnelle, propose de reconstruire l'état en restreignant l'espace de recherche à une classe variationnelle plutôt qu'à l'immense espace des états possibles. Un état variationnel étant décrit par un petit nombre de paramètres, un petit nombre d'expériences peut suffire à identifier les paramètres variationnels de l'état expérimental. Nous montrons que c'est le cas pour deux classes variationnelles très utilisées, les états à produits matriciels (MPS) et l'ansatz pour intrication multi-échelle (MERA). Mémoires quantiques auto-correctrices 2D. Une mémoire quantique auto-correctrice est un système physique préservant de l'information quantique durant une durée de temps macroscopique. Il serait done l'équivalent quantique d'un disque dur ou d'une mémoire flash équipant les ordinateurs actuels. Disposer d'un tel dispositif serait d'un grand interêt pour l'informatique quantique. Une mémoire quantique auto-correctrice est initialisée en préparant un état fondamental, c'est-à-dire un état stationnaire de plus basse énergie. Afin de stocker de l'information quantique, il faut plusieurs états fondamentaux distincts, chacun correspondant à une valeur différente de la mémoire. Plus précisément, l'espace fondamental doit être dégénéré. Dans cette thèse, on s'intéresse à des systèmes de particules disposées sur un réseau bidimensionnel (2D), telles les pièces sur un échiquier, qui sont plus faciles à réalisér que les systèmes 3D. Nous identifions deux critères pour l'auto-correction: - La mémoire quantique doit être stable face aux perturbations provenant de l'environnement, par exemple l'application d'un champ magnétique externe. Ceci nous amène à considérer les systèmes topologiques 2D dont les degrés de liberté sont intrinsèquement robustes aux perturbations locales de l'environnement. - La mémoire quantique doit être robuste face à un environnement thermique. Il faut s'assurer que les excitations thermiques n'amènent pas deux états fondamentaux distincts vers le même état excité, sinon l'information aura été perdue. Notre résultat principal montre qu'aucun système topologique 2D n'est auto-correcteur: l'environnement peut changer l'état fondamental en déplaçant aléatoirement de petits paquets d'énergie, un mécanisme cohérent avec l'intuition que tout système topologique admet des excitations localisées ou quasiparticules. L'intérêt de ce résultat est double. D'une part, il oriente la recherche d'un système auto-correcteur en montrant qu'il doit soit (i) être tridimensionnel, ce qui est difficile à réaliser expérimentalement, soit (ii) être basé sur des mécanismes de protection nouveaux, allant au-delà des considérations énergétiques. D'autre part, ce résultat constitue un premier pas vers la démonstration formelle de l'existence de quasiparticules pour tout système topologique.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.006
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.026
Threshold uncertainty score0.086

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.006
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.002
Scholarly communication0.0030.004
Open science0.0020.002
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0260.003

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.022
GPT teacher head0.236
Teacher spread0.214 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2013
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicNeural Networks and ApplicationsFrench-language works237,207