Un système quantique, comme une personne dans une pièce bruyante, perd progressivement le fil de la conversation : son état se disperse dans l'environnement. Mais parfois, comme s'il se souvenait soudainement d'une pensée importante, il peut récupérer une partie de l'information perdue. Les physiciens appellent ce phénomène la dynamique non-markovienne : la mémoire de l'environnement concernant le passé du système permet à l'information de refluer.

Les scientifiques ont décidé d'amplifier cet effet en contrôlant un système à deux niveaux (l'objet quantique le plus simple, comme un atome avec deux états) à l'aide de l'apprentissage par renforcement. Cette méthode ressemble au dressage : un agent informatique essaie différentes séquences d'impulsions de contrôle et reçoit une récompense lorsqu'il renforce le retour d'information. La comparaison avec le contrôle optimal traditionnel a montré que l'approche standard ne produit que des pics de retour faibles et rares, tandis que l'agent entraîné synchronise ses actions avec les « fenêtres favorables » de la mémoire de l'environnement et obtient un effet nettement plus fort.

Le meilleur résultat a été obtenu avec l'algorithme SAC, tandis que PPO a donné un résultat légèrement inférieur mais avec des impulsions plus lisses, plus faciles à mettre en œuvre expérimentalement. Cela signifie que la mémoire d'un système quantique peut être entraînée de manière ciblée, la transformant d'un phénomène aléatoire en un outil de travail.

Cette approche pourrait être utile pour protéger les calculs quantiques des erreurs et créer des dispositifs quantiques plus robustes.