
AI ska hjälpa forskare på Chalmers att förstå och optimera supraledande kvantprocessorer. I ett nytt projekt ska en digital tvilling lära sig hur den verkliga kvantprocessorn fungerar och användas för att förutsäga och förbättra dess prestanda.
Projektet Quantum Gate Optimization with Digital Twins of Superconducting Qubits leds av Giovanna Tancredi, senior forskare i kvantteknologi och ledare för kvantdatorbygget inom Wallenberg Centre for Quantum Technology, WACQT.
– Kärnan i projektet är att skapa en digital tvilling av en supraledande kvantprocessor, alltså en virtuell modell som lär sig hur den verkliga processorn fungerar, säger Tancredi.
I dagens kvantprocessorer uppstår fel bland annat på grund av brus, oönskade växelverkningar mellan kvantbitar, förändringar i hårdvarans egenskaper och brister i styrsignalerna. Problemen blir samtidigt svårare att analysera när antalet kvantbitar ökar. Forskarna vill därför kombinera AI med fysikbaserad modellering för att bättre kunna identifiera och optimera processorns beteende.
Chalmers får Wallenbergstöd även för ett andra AI-projekt inom kvantteknik. Där ska AI användas för att automatisera och effektivisera kalibreringen av universitetets kvantdator med 25 kvantbitar. Enligt WACQT-föreståndaren Göran Johansson är autokalibreringen ett viktigt steg på vägen mot kvantdatorer med 100 kvantbitar.
De två Chalmersprojekten ingår bland elva forskningsprojekt som valts ut i den första omgången av Knut och Alice Wallenberg AI Consultancy Grant. Forskargrupperna kan få upp till 700 timmar specialiserat AI-stöd genom AI4S. Till skillnad från ett traditionellt forskningsanslag handlar stödet alltså inte om pengar, utan om tillgång till AI-experter som arbetar tillsammans med forskarna.
Foto: Henrik Sandsjö




