Aarhus University Seal / Aarhus Universitets segl

Mastering quantum systems: - with simulations, control, and deep learning

Publikation: Bog/antologi/afhandling/rapportPh.d.-afhandlingForskning

Teknologisk fremskridt hviler hovedsageligt på to søjler: (i) vores evne til at forstå naturen og (ii) vores evne til at tæmme den. I de seneste par årtier har videnskabsfolk forsket i at anvende kvantesystemer, dvs. små systemer beskrevet af kvantefysikken, i informations teknologier såsom computere. Kvantesystemer besidder nemlig adskillige eksotiske egenskaber der potentielt gør kvante-baseret teknologier i stand til at løse visse problemer, som klassiske computere ikke kan.
Kvantefysik er en veletableret gren af fysikken, udarbejdet igennem de sidste 120 år. Vi kan potentielt anvende vores omfattende viden om kvantefysik til at bygge visse kvanteteknologier. Men dette kræver at vi også formår at tæmme disse kvantesystemer.

Denne afhandling udforsker metoder til at simulerer og kontrollerer kvantesystemer, særligt med fokus på kontrol aspektet der formelt er beskrevet af kvantekontrolteori. Især søges der i dette arbejde at kombinere velkendte metoder inden for kvantesimulering og -kontrol med maskinlæring, som er en gren af datalogi hvor computere skal lære at løse problemer. Maskinlæring har i det forgange årti undergået en rivende udvikling, og i de seneste år har vi set disse metoder "dryppe ned" i kvantefysikken. Med disse forbedringer af maskinlæring er vi således i stand til at tackle problemer med større kompleksitet inden for kvantefysikken end tidligere.

Foruden metoder baseret på maskinlæring præsenteres der også i denne afhandling en række andre metoder til at forbedre kontrol og simulering af kvantesystemer. Håbet er, at vi med disse metoder er kommet et lille men vigtigt skridt tættere på at kunne tæmme disse kvantesystemer, og dermed tættere på at realisere visse kvanteteknologier.
Bidragets oversatte titelAt beherske kvantesystemer: - med simulering, kontrol, og deep learning
OriginalsprogEngelsk
Antal sider129
StatusUdgivet - 30 jul. 2021

Se relationer på Aarhus Universitet Citationsformater

ID: 220452096