ML-SProQ: Machine Learning for Signal Processing of multi-Qubit arrays

Project funded by Independent Research Fund Denmark (Inge Lehmann-programmet), grant 1131-00013A. Participating organisations named by the source: KU University of Copenhagen. Runs n/a to 2024-12-31. Keywords: Quantum Devices, Spin Qubits, Machine Learning, Condensed Matter, Outreach. Source: OpenAIRE Graph, from the funder's project data (collected by OpenAIRE on 2025-08-01); national funding data, not CORDIS. Abstract given by the source: Kvante teknologi er baseret på den kvante-mekaniske version af en klassisk computer byte, kaldet en ‘qubit’. At måle disse ‘qubits’ for at fastslå om hvorvidt deres værdi er 0 eller 1, viser sig dog at være særdeles udfordrende. Dette gøres normalt ved at sende et signal der kobler til qubitten og reflekteres tilbage. Det reflekterede signal skal dernæst analyseres, hvilket i dag oftest bliver gjort ved brug af elektriske kredsløb inspireret af ammeldags radio teknologi. Disse kredsløb er næsten en faktor 1000 gange langsommere end den hastighed vi faktisk kan manipulere vores qubits med. I dette projekt vil vi erstatte disse udaterede kredsløb med moderne machine learning teknikker baseret på stemme genkendelse. Således at det reflekterede signal er ‘qubitten’ der taler, og dermed kan vi programmere en ‘stemme’ genkendelses algoritme der tillader lyn hurtig(realtid!) oversættelse af det reflekterede signal til vores ønskede 1 og 0 tilstande. Som en del af projektet vil vi også søsætte en hjemmeside der vil tillade et bredere publikum at prøve denne ‘stemmegenkendelse’ af qubits. Dette vil blive gjort ved at translatere qubit signalerne til lyde indenfor det menneskeligt hørbare område.

Original source.

Source: OpenAIRE Graph: projects of national funders, OpenAIRE, from the project data of Independent Research Fund Denmark. Retrieved 2026-11-02. Licence: Creative Commons Attribution 4.0 (OpenAIRE Graph). Selected metadata, adapted presentation; the publisher's record is authoritative. No endorsement by the source is implied. Licence: Creative Commons Attribution 4.0 (CC BY 4.0).

AI-assisted summary: ML-SProQ is funded by Independent Research Fund Denmark (grant 1131-00013A) and involves KU University of Copenhagen, running to 2024-12-31. It aims to replace radio-inspired circuits for reflected qubit signals with machine learning based on voice recognition, per OpenAIRE. Suggested technology pillar: sensing. Generated by AI from the public source text; it may contain errors and the original source is authoritative.