En 1867, James Clerk Maxwell imagina un démon qui trie les molécules d'un gaz, violant ainsi le deuxième principe de la thermodynamique. Le démon a besoin de connaître les vitesses des particules. Dans le monde quantique, une tâche similaire se pose : empêcher l'intrication de croître comme une avalanche, mais observer le système dans son ensemble est impossible. Il s'avère que le démon n'a besoin que d'un carnet incomplet.

L'intrication est un lien quantique où les particules perdent leur indépendance. Dans un schéma stabilisateur de N qubits, à chaque étape, avec probabilité p, l'agent applique une porte à deux qubits optimalement désintriquante, et avec probabilité 1-p, une porte de Clifford aléatoire. L'agent voit un « tableau » de stabilisateurs dont une fraction 1-q des lignes a été aléatoirement supprimée. L'apprentissage par Proximal Policy Optimization avec une architecture de transformeur a donné un résultat inattendu : avec information complète (q=1), la transition de phase disparaît complètement. Dès que p>0, même infinitésimal, l'état stationnaire suit une loi d'aire pour l'intrication, et la phase de volume se réduit au point p=0.

Le mécanisme consiste à créer une séquence de « goulots d'étranglement » : l'agent choisit plusieurs liens équidistants et maintient sur eux une intrication quasi nulle. Cela divise la chaîne en sous-systèmes et limite l'intrication maximale atteignable. Le profil d'intrication prend la forme de pyramides, auto-similaires lorsqu'on double la taille du système. Avec information partielle, un seuil critique $q_c$(p) est découvert : au-dessus, la loi d'aire ; en dessous, la loi de volume. Plus p augmente, plus la fraction d'information requise diminue. Pour p≥$p_c^{gree}$dy, la loi d'aire est préservée même lorsque q→0, car l'agent attrape efficacement les paires de Bell en utilisant le seul stabilisateur disponible.

Avant cette étude, on ne savait pas s'il était possible de contrôler l'intrication dans un système quantique à plusieurs corps avec seulement une information partielle sur son état, ni quelles stratégies seraient nécessaires. Désormais, il est démontré que des agents entraînés par apprentissage par renforcement peuvent maintenir la loi d'aire de l'intrication même avec une petite fraction de stabilisateurs observés, pourvu que cette fraction soit au-dessus du seuil critique. La comparaison des stratégies aléatoire, gloutonne et entraînée sur un même modèle, en faisant varier la fraction d'information disponible, a révélé une transition nette dans le comportement du système. Cela pourrait être utile pour développer des protocoles de correction d'erreurs quantiques et de mémoire quantique, où il faut supprimer l'intrication avec le bruit tout en ayant un accès limité aux mesures.

Le démon de Maxwell au carnet incomplet s'est avéré être non pas une fantaisie, mais un algorithme concret. À l'avenir, il s'agira de déterminer les exposants critiques près du seuil d'information et de tester les stratégies sur des schémas avec des paramètres de portes continus, en se rapprochant des processeurs quantiques réels.