Danijela MarkovicInformation quantique
Les recherches de Danijela Marković portent sur les réseaux de neurones quantiques et combinent l’approche neuromorphique avec des circuits supraconducteurs et des oscillateurs quantiques. Après sa thèse en information quantique avec des circuits supraconducteurs, effectuée sous la direction de Benjamin Huard à l’Ecole Normale Supérieure, Danijela a rejoint le groupe de Julie Grollier en tant que chercheuse post-doctorale. Pendant son post-doctorat, elle a utilisé la dynamique des nano-oscillateurs spintroniques pour émuler des neurones biologiques et démontré qu'un apprentissage automatique est possible avec de nouvelles méthodes dynamiques. Elle a été recrutée en tant que chargée de recherche au CNRS en 2020. Son programme de recherche à l’Unité mixte de physique CNRS/Thales (UMPHY, CNRS/Thales) se situe à l’interface entre l’information quantique et le calcul neuromorphique. Danijela vient de Serbie.
Quantum dynamical neural networks (qDynnet)
Les réseaux de neurones quantiques ont le potentiel d’atteindre des capacités de calcul sans précédent, ainsi que de reconnaître de manière efficace les états quantiques, tâche inaccessible aux ordinateurs classiques. Néanmoins, les approches existantes qui reposent sur leur implémentation avec des qubits sont limitées par la faible connectivité de ces derniers. Le projet qDynnet de Danijela Marković adopte une nouvelle approche, qui utilise des oscillateurs quantiques couplés paramétriquement, à la place des qubits couplés physiquement. Ceci permettra d'obtenir des réseaux de neurones quantiques de taille, connectivité et accordabilité sans précédent. Pour ceci, des neurones quantiques sont implémentés comme des états de base d'un ensemble d’oscillateurs quantiques couplés, et les connexions entre ces neurones comme des transitions entre ces états. Les principaux enjeux du projet qDynnet sont la réalisation expérimentale des réseaux de neurones avec des circuits supraconducteurs et leur utilisation pour démontrer la reconnaissance automatique des états quantiques. Plus largement, le projet qDynnet permettra de comprendre la physique des connexions dynamiques et développera de nouvelles méthodes d’apprentissage dynamique, qui serviront à toute une nouvelle famille de réseaux quantiques dynamiques.
Fonction
Chargé de recherche CNRS, Unité mixte de physique CNRS/Thales (UMPhy, CNRS/Thales)