Réseaux quantique complexe pour protocoles de machine learning

Complexe quantum networks for machine learning protocols

• Auteur / Autrice : Johan Henaff
• Direction : Valentina Parigi
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le ; Soutenance le 18/12/2024
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : Physique en Ile de France
• Partenaire(s) de recherche : Laboratoire : Laboratoire Kastler Brossel
• Jury : Président / Présidente : Carole Diederichs
• Jury : Examinateurs / Examinatrices : Valentina Parigi, Rachel Grange, Stefano Olivares, Kamel Bencheikh, Jean Etesse
• Jury : Rapporteurs / Rapporteuses : Rachel Grange, Stefano Olivares

Mots clés

Mots clés libres

Réseaux complexe

Machine Learning

Optique quantique

Complexe networks

Machine Learning

Quantum Optics

Résumé

Les technologies quantiques photoniques offrent un grand potentiel pour répondre au besoin de traitement rapide et efficace des données classiques et quantiques. Le régime des variables continues (CV) est l'une des principales approches utilisées pour décrire les systèmes quantiques ou effectuer des calculs quantiques en optique quantique, en particulier dans le contexte de l'information quantique. Le reservoir computing (RC) quantique est une approche émergente qui a démontré son potentiel dans les tâches d'apprentissage automatique classiques et quantiques. Dans l'approche CV, l'information est codée dans la quadrature du champ. Il a été démontré que, dans le régime CV, les états gaussiens permettent un reservoir computing universel, et que les ressources gaussiennes quantiques, telles que les états comprimés de la lumière, offrent une plus grande capacité computationnelle que les états classiques. L'objectif de ce doctorat est la mise en œuvre expérimentale d'états quantiques multimodes en régime CV et leur application dans des protocoles de reservoir computing, encodés en régime CV. L'activité expérimentale comprend trois étapes principales : la mise en œuvre d'un protocole classique de reservoir computing basé sur la photonique, la caractérisation d'une source d'états comprimés en simple passage et l'encodage de données classiques dans un système quantique multimode afin d'exécuter des protocoles quantiques. Le protocole RC classique est mis en œuvre en encodant des informations dans la phase d'impulsions laser femtosecondes et en les utilisant comme nœuds du réservoir. Après une détection homodyne, les valeurs des nœuds sont à la fois stockées pour l'apprentissage et réinjectées dans le réservoir. Cela nous permet d'effectuer des prédictions sur des tâches non linéaires et dépendantes du temps. La deuxième expérience concerne la mise en œuvre d'une source d'états comprimés en simple passage. De tels systèmes peuvent générer, de manière déterministe, des corrélations d'intrication entre les quadratures du champ électromagnétique dans de multiples modes spectraux-temporels. Une caractéristique clé de notre approche est l'utilisation de guides d'ondes non linéaires pour obtenir une non-linéarité suffisante dans une configuration en simple passage, ce qui nous permet de préserver la structure d'intrication dans la base de l'impulsion laser. La ressource générée sera utilisée pour des protocoles de machine learning à base d'états quantiques. La dernière expérience consiste à encoder des données classiques dans les variables continues d'un système quantique multimode via la modulation de phase du faisceau de pompe utilisé dans le processus de génération d'états comprimés.

Photonic quantum technologies hold great potential for fulfilling the need for fast and efficient processing of both classical and quantum data. The Continuous Variable (CV) regime is one of the primary approaches used to describe quantum systems or perform quantum computation in quantum optics, particularly in the context of quantum information. Quantum reservoir computing is an emerging approach that has demonstrated its potential in both classical and quantum machine learning tasks. In the CV approach, information is encoded in the quadrature of the field. It has been shown that, in the CV regime, Gaussian states enable universal reservoir computing, and that quantum Gaussian resources, such as squeezed states of light, offer a greater information capacity than classical states. The aim of this PhD is the experimental implementation of CV multimode quantum states and their application in CV-encoded reservoir computing protocols. The experimental activity consists of three main steps: implementing a classical photonics-based reservoir computing protocol, characterizing a single-pass squeezing source, and encoding classical data in a multimode quantum system to execute quantum protocols. The classical RC protocol is implemented by encoding information in the phase of femtosecond laser pulses, using them as nodes of the reservoir. After homodyne detection, the node values are both stored for training and fed back into the reservoir. This allows us to perform predictions on non-linear, time-dependent tasks. The second experiment involves the implementation of a single-pass squeezing source. Such systems can deterministically generate entanglement correlations between the quadratures of the electromagnetic field across multiple spectral-temporal modes. A key feature of our approach is the use of nonlinear waveguides to achieve sufficient nonlinearity in a single-pass configuration, which allows us to preserve the entanglement structure in the laser pulse basis. The generated resource will be used for quantum-based machine learning. The final experiment involves encoding classical data in the continuous variables of the multimode quantum system via phase modulation of the pump beam used in the single-pass squeezing process.