Une méthode consistant à utiliser l'intrication quantique pour ajuster ou guider des systèmes quantiques, souvent pour des tâches de calcul ou de mémoire.L'apprentissage par intrication quantique désigne l'utilisation de l'intrication quantique comme ressource pour entraîner ou contrôler des systèmes quantiques, souvent pour des applications en informatique quantique et en mémoire quantique. L'intrication est un phénomène où des particules deviennent corrélées de telle sorte que l'état d'une particule ne peut pas être décrit indépendamment des autres, même lorsqu'elles sont séparées par de grandes distances. En exploitant cette propriété, les chercheurs peuvent développer des algorithmes et des protocoles qui améliorent les performances des dispositifs quantiques, tels que la correction d'erreurs, la préparation d'états et la simulation quantique.
Le concept d'utilisation de l'intrication pour le traitement de l'information quantique remonte aux années 1990, avec des travaux pionniers de physiciens comme Charles Bennett et Peter Shor. Cependant, l'idée spécifique d'« entraîner » des systèmes quantiques à l'aide de l'intrication est un développement plus récent, apparu dans les années 2010 avec l'essor de l'apprentissage automatique quantique et des algorithmes quantiques variationnels.
Dans l'apprentissage par intrication quantique, les états intriqués sont utilisés comme un « enseignant » ou une référence pour guider l'évolution d'un système quantique vers un état souhaité. Par exemple, dans les approches inspirées de l'apprentissage automatique, un algorithme quantique peut utiliser des qubits intriqués pour explorer un espace de solutions plus vaste plus efficacement que les méthodes classiques. L'intrication fournit un moyen d'encoder des corrélations complexes qui peuvent être manipulées pour optimiser le comportement du système, souvent par des boucles de rétroaction itératives qui ajustent les paramètres en fonction des mesures des partenaires intriqués.
L'apprentissage par intrication quantique est appliqué en informatique quantique pour améliorer la précision des portes quantiques, en mémoire quantique pour améliorer le stockage et la récupération de l'information, et en détection quantique pour augmenter la précision des mesures.
Dans certaines expériences, l'intrication quantique a été utilisée pour « entraîner » un système quantique à reconnaître des motifs, obtenant des résultats surpassant les réseaux de neurones classiques sur certaines tâches, malgré un nombre de paramètres bien inférieur.
