30/07/2019

PhD : Memristor-based Neuromorphic Circuits & Machine Learning for Quantum State Tomography of Qubits


  • ORGANISATION/COMPANY
    Université de Sherbrooke
  • RESEARCH FIELD
    Computer scienceComputer architecture
    EngineeringElectrical engineering
    PhysicsQuantum mechanics
    TechnologyNanotechnology
  • RESEARCHER PROFILE
    First Stage Researcher (R1)
  • APPLICATION DEADLINE
    30/09/2020 01:00 - Europe/Brussels
  • LOCATION
    Canada › Sherbrooke
  • TYPE OF CONTRACT
    Other
  • JOB STATUS
    Full-time
  • HOURS PER WEEK
    35
  • OFFER STARTING DATE
    01/10/2020

Université de Sherbrooke (UdeS)

Université de Waterloo (UW)

 
(French version below)
------------------------------

Context: Quantum state tomography (QST) is a technique used to obtain a complete description of the possible states of a quantum system (e.g. qubit). Unfortunately, the number of quantum state measurements required and the computing resources necessary for QST-related data processing are increasing exponentially with the size of the systems under study, which hampers the development of large-scale quantum architectures. At the same time, artificial neural networks (ANNs) have become key tools for solving problems involving large amounts of data, due to their impressive recognition, classification and generalization capabilities. Thus, recent work has shown that it is possible to perform QST reconstruction from a limited number of measurements using ANNs based on restricted Boltzmann machines. However, classical computer architectures (von Neumann) are not optimized for these parallel computing methods. The development of massively parallel neuromorphic (brain-inspired) electronic circuits using memristors as synapses would not only simplify the QST through its ANN-based reconstruction, but also significantly improve the performance-to-energy ratio of such machine learning approach compared to von Neumann architectures.

 

Subject: This thesis project focuses on the development of a neuromorphic electronic circuit dedicated to the reconstruction of quantum state tomography of qubits from a limited number of measurements, in order to open the way to large-scale quantum computers. Based on the expertise in nanotechnology, neuromorphic circuits and ANNs of Prof. Dominique Drouin (UdeS) and Roger Melko (UW), the main tasks of the project are (i) to study and demonstrate the most suitable ANN topology for the QST reconstruction by taking into account the hardware constraints of the future neuromorphic circuit; (ii) to design the associated neuromorphic circuit, consisting of memristor crossbars on silicon connected to a PCB integrating control electronics and neuron simulation; (iii) to manufacture in 3IT’s clean room the memristor crossbars which will constitute the synaptic weights of the neuromorphic device; (iv) characterize the morphology and electrical properties of the fabricated memristors (analog behavior, plasticity, endurance, etc.); (v) to develop the training method of the neuromorphic circuit and to demonstrate the reconstruction of quantum state tomographies from simulated and experimental quantum measurements. Performance and energy consumption will be studied.

 

----------------------------

French version

----------------------------

 

Contexte : La tomographie d’état quantique (TEQ) est une technique utilisée pour obtenir une description complète des états possibles d’un système quantique (ex : qubit). Malheureusement, le nombre de mesures d’état quantique nécessaires et les ressources de calcul requises pour le traitement des données lié à la TEQ augmentent de manière exponentielle avec la taille des systèmes étudiés, ce qui entrave le développement d'architectures quantiques à grande échelle. Parallèlement, les réseaux de neurones artificiels (RNA) sont devenus des outils clés pour la résolution de problèmes impliquant de grandes quantités de données, en raison de leurs impressionnantes capacités de reconnaissance, classification et généralisation. Ainsi, de récents travaux ont montré qu’il était possible de reconstruire une TEQ à partir d’un nombre réduit de mesures grâce à des RNA basés sur des machines de Boltzmann restreintes. Cependant, les architectures informatiques classiques (von Neumann) ne sont pas optimisées pour ces méthodes de calcul parallélisées. La mise au point de circuits électroniques neuromorphiques (inspirées du cerveau) massivement parallèles et utilisant des memristors comme synapses permettrait non seulement de simplifier la TEQ via sa reconstruction par des RNA, mais aussi d’améliorer significativement le ratio performance/consommation d'énergie par rapport aux architectures von Neumann.

 

Sujet : Ce projet de thèse porte sur le développement d’un circuit électronique neuromorphique dédié à la reconstruction de la tomographie quantique de qubits à partir d’un nombre restreint de mesures, afin d’ouvrir la voie vers des calculateurs quantiques à grande échelle. En s’appuyant sur les expertises en nanotechnologie, circuits neuromorphiques et RNA des Pr. Dominique Drouin (UdeS) et Roger Melko (UW), il s’agira (i) d’étudier et démontrer la topologie de RNA la plus adaptée à la reconstruction de la TEQ en tenant compte des contraintes matérielles du futur circuit neuromorphique; (ii) de concevoir le circuit neuromorphique associé, composé de crossbars de memristors sur silicium connectés à un PCB intégrant l’électronique de contrôle et la simulation des neurones; (iii) de fabriquer en salle blanche les crossbars de memristors qui constitueront les poids synaptiques du dispositif neuromorphique; (iv) de caractériser la morphologie et les propriétés électriques des memristors (comportement analogique, plasticité, endurance, etc) ; (v) de développer la méthode d’entrainement du circuit neuromorphique et démontrer la reconstruction de tomographies d’états quantiques à partir de mesures quantiques simulées et expérimentales. Les performances et la consommation d’énergie seront étudiées.

 

 

Offer Requirements

  • REQUIRED EDUCATION LEVEL
    Engineering: Master Degree or equivalent
  • REQUIRED LANGUAGES
    FRENCH: Basic
    ENGLISH: Excellent

Skills/Qualifications

Required profile:

  • Master's degree in electrical engineering or physics
  • Mandatory English language skills
  • Willingness of mobility, strong adaptability and teamwork
  • Pronounced taste for experimental and cleanroom work, research and development
  • Strengths: knowledge in computer science, solid state quantum physics, memristors, neural networks

Map Information

Job Work Location Personal Assistance locations
Work location(s)
2 position(s) available at
Université de Sherbrooke
Canada
Quebec
Sherbrooke
J1K 0A5
3000 Boul. Universite

EURAXESS offer ID: 432944

Disclaimer:

The responsibility for the jobs published on this website, including the job description, lies entirely with the publishing institutions. The application is handled uniquely by the employer, who is also fully responsible for the recruitment and selection processes.

 

Please contact support@euraxess.org if you wish to download all jobs in XML.