Cette thèse présente un ensemble d'expériences de QED en circuit (cQED), dans lesquelles des atomes artificiels basés sur des circuits supraconducteurs sont couplés au champ électromagnétique d'un résonateur micro-ondes. Ce résonateur agit comme appareil de mesure pour l'atome, permettant d'illustrer des aspects fondamentaux de la physique quantique et de développer des briques de base pour un processeur quantique. Dans une première expérience nous suivons continuement l'évolution de l'atome tout en variant l'intensité de la mesure. Nous observons la transition du régime de mesure faible à celui de mesure forte, puis le gel de la dynamique du a l'effet Zénon quantique. Dans le régime de mesure faible nous testons si l'atome artificiel est en accord avec les hypothèses du réalisme macroscopique, à partir desquelles Leggett et Garg ont déduit une inégalité de Bell en temps. La violation de cette inégalité confirme que l'atome artificiel, bien que macroscopique, est un objet quantique. En ce qui concerne l'information quantique, nous avons enrichi l'architecture cQED en démontrant un système de lecture haute fidélité en un coup pour le qubit, un élément crucial pour un processeur quantique. Notre circuit utilise la transition dynamique d'un résonateur non-linéaire. Le système couplé formé par le qubit et le résonateur non linéaire permet en plus d'étudier l'interaction entre couplage fort et effets non linéaires -amplification paramétrique, sqeezing- ouvrant un nouveau sujet : le cQED non linéaire. Finalement, nous avons mis au point un circuit qui servirait d'intermédiaire pour que deux qubits arbitraires interagissent : un résonateur micro-ondes a fréquence accordable.

Nous présentons un nouvel algorithme d’apprentissage de circuits quantiques basé sur la descente de gradient classique. Comme ce sujet unifie deux disciplines, nous expliquons les deux domaines aux gens de l’autre discipline. Conséquemment, nous débutons par une présentation du calcul quantique et des circuits quantiques pour les gens en apprentissage automatique suivi d’une présentation des algorithmes d’apprentissage automatique pour les gens en informatique quantique. Puis, pour motiver et mettre en contexte nos résultats, nous passons à une légère revue de littérature en apprentissage automatique quantique. Ensuite, nous présentons notre modèle, son algorithme, ses variantes et quelques résultats empiriques. Finalement, nous critiquons notre implémentation en montrant des extensions et des nouvelles approches possibles. Les résultats principaux se situent dans ces deux dernières parties, qui sont respectivement les chapitres 4 et 5 de ce mémoire. Le code de l’algorithme et des expériences que nous avons créé pour ce mémoire se trouve sur notre github à l’adresse suivante : https://github.com/AldoLamarre/quantumcircuitlearning. / We present a new learning algorithm for quantum circuits based on gradient descent. Since this subject unifies two areas of research, we explain each field for people working in the other domain. Consequently, we begin by introducing quantum computing and quantum circuits to machine learning specialists, followed by an introduction of machine learning to quantum computing specialists. To give context and motivate our results we then give a light literature review on quantum machine learning. After this, we present our model, its algorithms and its variants, then discuss our currently achieved empirical results. Finally, we criticize our models by giving extensions and future work directions. These last two parts are our main results. They can be found in chapter 4 and 5 respectively. Our code which helped obtain these results can be found on github at this link : https://github.com/ AldoLamarre/quantumcircuitlearning.