Quantum Machines développe des technologies destinées à rendre l’informatique quantique concrète, en mettant l’accent sur les systèmes de contrôle qui permettent aux chercheurs et aux ingénieurs d’utiliser du matériel quantique avancé. Sa Quantum Orchestration Platform réunit les outils nécessaires pour programmer, gérer et optimiser les expériences quantiques, en accompagnant les travaux depuis le développement des systèmes jusqu’à leur mise en œuvre. L’équipe de scientifiques et d’ingénieurs spécialisés en quantique de l’entreprise conçoit une infrastructure destinée à faire passer les technologies quantiques des environnements de recherche aux applications concrètes.
Ingénieur en apprentissage automatique, contrôle quantique (Hybride, Allemagne)
Concevez et déployez des systèmes d’apprentissage automatique pour l’étalonnage, le contrôle et le fonctionnement de processeurs quantiques. Appliquez l’apprentissage par renforcement, l’inférence bayésienne et des services Python à du matériel réel dans des laboratoires de production.
Description
- Créer et déployer des systèmes d’apprentissage automatique qui améliorent l’étalonnage, le contrôle et le fonctionnement de processeurs quantiques
- Transformer des défis de contrôle bruités, changeants et critiques pour la sécurité en solutions d’apprentissage automatique pour du matériel de laboratoire en production
- Développer des politiques d’apprentissage par renforcement, des techniques d’inférence bayésienne et des frameworks agentiques pour un contrôle quantique autonome, efficace et tolérant à la dérive
- Créer des méthodes d’optimisation des paramètres, de surveillance de la dérive et de mesure adaptative sur du matériel réel
- Mettre en œuvre le pilotage des paramètres en temps réel pour l’étalonnage pendant la correction d’erreurs quantiques et entre les circuits
- Développer et maintenir des frameworks agentiques qui automatisent le contrôle et l’étalonnage des systèmes
- Développer et maintenir des services et bibliothèques d’apprentissage automatique en Python qui s’intègrent à la plateforme Quantum Machines, notamment QUA, Qualibrate et OPX1000
- Collaborer avec les clients et les partenaires de laboratoire pour déployer, valider et améliorer les solutions d’apprentissage automatique dans des environnements expérimentaux
- Travailler avec les équipes produit, R&D et matériel sur des bibliothèques internes, des SDK clients et des ressources de formation
Exigences
- Doctorat ou master en apprentissage automatique, physique, physique appliquée, sciences de l’information quantique ou domaine connexe
- Au moins quatre ans d’expérience professionnelle pertinente
- Solide expertise en apprentissage automatique et en apprentissage profond, avec une expérience pratique de l’apprentissage profond, de l’apprentissage par renforcement ou de l’IA agentique
- Maîtrise avancée de Python, notamment une expérience des bases de code scientifiques ou orientées systèmes
- Maîtrise des bonnes pratiques d’ingénierie logicielle, notamment l’architecture, les workflows Git, les tests et la revue de code
- Capacité démontrée à faire passer des systèmes d’apprentissage automatique du prototype au déploiement dans des contextes caractérisés par des données non stationnaires, des évaluations coûteuses ou des espaces d’action critiques pour la sécurité
- Expérience transférable en robotique, contrôle en ligne, véhicules autonomes ou apprentissage automatique avec matériel dans la boucle
- Solides capacités d’analyse et de résolution de problèmes, avec une approche orientée client
- Capacité à travailler efficacement de manière autonome et au sein d’équipes pluridisciplinaires
- Parcours confirmé en développement logiciel et excellente communication technique
- La connaissance de concepts de calcul quantique tels que l’étalonnage des qubits, le benchmarking randomisé, la correction d’erreurs quantiques et le contrôle optimal est un atout
- Une expérience des méthodes sim-to-real, de l’apprentissage par renforcement multiobjectif ou du méta-apprentissage est un atout
Avantages
- Travailler à l’intersection de l’apprentissage automatique, de la physique quantique et de l’ingénierie logicielle
- Découvrir diverses technologies de qubits et architectures quantiques
- Utiliser une boucle de rétroaction directe entre les modèles d’apprentissage automatique et le matériel de laboratoire en production
- Fournir des solutions d’apprentissage automatique à des laboratoires et entreprises de premier plan dans le domaine des systèmes quantiques