Thèse Ingénierie Quantique des Ondes de Matière Non Linéaires par Intelligence Artificielle H/F Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Physique École doctorale : Ondes et Matière Laboratoire de recherche : Institut des Sciences Moléculaires d'Orsay Direction de la thèse : Eric CHARRON ORCID 0000000316606368 Début de la thèse : 2026-12-01 Date limite de candidature : 2026-11-30T23:59:59 Les condensats de Bose-Einstein constituent une plateforme privilégiée pour explorer les effets collectifs de la mécanique quantique et développer de nouvelles approches de l'information quantique. Leurs excitations non linéaires, notamment les solitons de matière, offrent des degrés de liberté dynamiques dont la stabilité, les interactions et les phases pourraient être exploitées pour encoder, transférer ou manipuler de l'information. Toutefois, la conception de tels protocoles demeure difficile en raison de la non-linéarité des équations d'évolution et de la sensibilité aux paramètres expérimentaux.

Cette thèse vise à établir un cadre théorique et numérique d'ingénierie de l'information quantique portée par les ondes de matière non linéaires, en associant physique des gaz ultrafroids, théorie du contrôle et intelligence artificielle. Une première étape consistera à identifier les états et excitations susceptibles de servir de ressources informationnelles et à caractériser leur dynamique, leur stabilité et leurs interactions. On examinera ensuite dans quelles conditions les collisions, déphasages et symétries des structures non linéaires peuvent permettre des opérations contrôlables, telles que le transfert d'état ou la préparation de configurations quantiques utiles.

Les modèles reposeront principalement sur les équations de Gross-Pitaevskii, simples ou couplées, complétées lorsque nécessaire par des approches dépassant le champ moyen afin de distinguer les effets classiques collectifs des ressources proprement quantiques. Des techniques de contrôle optimal, d'apprentissage par renforcement et d'optimisation bayésienne seront mobilisées pour construire des protocoles robustes, en tenant compte des imperfections et des contraintes expérimentales. Les performances seront évaluées à l'aide de mesures adaptées : fidélité, stabilité, robustesse, et, lorsque le modèle le permet, intrication et information de Fisher quantique.

Le projet ambitionne ainsi de dégager des principes physiques interprétables et des méthodes de contrôle transférables aux technologies quantiques fondées sur les atomes ultrafroids, notamment l'atomtronique, la métrologie et les dispositifs adaptatifs. Les condensats de Bose-Einstein permettent d'observer et de contrôler des excitations collectives telles que les solitons sombres et brillants. Leurs propriétés dynamiques sont largement étudiées, mais leur utilisation comme ressources pour le traitement de l'information quantique reste exploratoire. Des propositions de qubits fondés sur des solitons et des travaux récents sur le contrôle de condensats ouvrent des pistes prometteuses.

Le verrou scientifique réside dans l'articulation entre dynamique non linéaire, critères rigoureux d'information quantique et commande robuste. Une attention particulière sera portée aux limites du champ moyen : une évolution de Gross-Pitaevskii ne suffit pas, à elle seule, à démontrer la création d'intrication ou la réalisation d'une porte quantique. L'objectif central est de déterminer dans quelles conditions les excitations non linéaires de condensats de Bose-Einstein peuvent devenir des ressources contrôlables pour l'information quantique. Il s'agira d'identifier des états pertinents, d'étudier leurs interactions et de concevoir des protocoles de préparation, de transfert et de manipulation robustes.

Un second objectif est d'évaluer la contribution des méthodes d'intelligence artificielle au contrôle de ces dynamiques et d'extraire des stratégies interprétables plutôt que de se limiter à une optimisation numérique. Les dynamiques seront simulées par résolution numérique des équations de Gross-Pitaevskii en une et plusieurs composantes, avec analyses de stabilité et études paramétriques. Lorsque la question scientifique l'exige, des descriptions au-delà du champ moyen seront envisagées. Les scénarios de préparation et d'interaction seront comparés à des références analytiques et à des méthodes de contrôle optimal.

Des algorithmes d'apprentissage par renforcement et d'optimisation bayésienne rechercheront des séquences de contrôle sous contraintes d'amplitude, de durée et de bruit. La validation reposera sur la reproductibilité numérique, la comparaison à des méthodes de référence et des tests de robustesse ; les indicateurs quantiques seront calculés uniquement dans les cadres qui permettent de les définir physiquement.