Description
Date depot: 10 juin 2022
Titre: Machine learning quantique appliqué à des cas d’usage industriels.
Directrice de thèse:
Elham KASHEFI (LIP6)
Encadrant :
Romain KUKLA (Naval Group)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Algorithmique quantique
Resumé: Le doctorant développera la théorie et les procédures expérimentales liées au quantum machine learning dans l’objectif de la résolution de problèmes algorithmiques liés à l’industrie. Pour cela, il devra, en concertation avec la partie industrielle, rechercher les cas d’usages, algorithmes et procédures particulièrement utiles à l’entreprise mais aussi compatibles avec un développement quantique de leur mise en place. Il contribura donc au développement des techniques d’algorithmie quantique actuelles et de leurs comparaisons avec les méthodes classiques communément utilisées dans le monde industriel. En particulier, le doctorant pourra s’attarder sur la recherche d’avantages non exponentiels ou liés au hardware. Puisque les objectifs de Naval Group quant au développement des technologies de calculs quantiques sont relativement étalés dans le temps, le doctorant pourra s’efforcer de travailler sur les algorithmes implémentable sur des technologies actuelles ou proches (NISQ) mais pas seulement si cela semble pertinent.
Doctorant.e: Monbroussou Léo