Jugement expérimental
92Les chercheurs doivent décider si un résultat est physique ou un artefact.
Ingénieur quantique · Construit, mesure et contrôle des appareils qui exploitent les états quantiques pour l'informatique, la détection, la communication et la recherche sur les matériaux.
Plus la case est foncee, plus le score de cet indicateur est eleve.
MoinsPlus
Derniere relecture Sources et creditsCrédits médiasMéthodologie
Les ingénieurs quantiques construisent et exploitent du matériel qui utilise des états quantiques. En fonction de la plate-forme, ils fabriquent des nanostructures, alignent des lasers, conçoivent des composants électroniques micro-ondes, refroidissent des appareils à des températures millikelvins, écrivent des logiciels d'étalonnage et analysent des données de mesure. L'objectif est généralement d'améliorer la fidélité, le temps de cohérence, le rendement ou le contrôle plutôt que d'écrire une application grand public.
Un doctorat est courant pour les rôles de recherche et d’architecture de dispositifs, en particulier en physique quantique, mais il n’est pas universel. Les diplômés de licence et de master entrent en tant qu'ingénieurs en électronique, logiciels, cryogénie, photonique et tests. Plus le rôle consiste à inventer un qubit ou à interpréter des expériences fondamentales, plus on s'attend à une formation supérieure avancée.
Il est utile en tant que plate-forme de recherche et pour certaines démonstrations, mais son avantage commercial étendu et tolérant aux pannes reste à prouver. Les appareils actuels sont bruyants et petits par rapport aux machines à correction d’erreurs requises par de nombreux algorithmes. La détection quantique et les communications pourraient atteindre des niches pratiques plus tôt car elles peuvent exploiter un avantage physique spécifique sans ordinateur universel.
L'algèbre linéaire, la mécanique quantique, l'électromagnétisme, la mécanique statistique, la programmation et les méthodes expérimentales sont centrales. Les ingénieurs électriciens ont besoin de connaissances en micro-ondes, RF et contrôle ; les ingénieurs en photonique ont besoin d’optique ; les ingénieurs en matériaux ont besoin de fabrication et de caractérisation. Ce domaine récompense les personnes capables de se déplacer entre les équations, les instruments et le code sans traiter personne comme le problème de quelqu’un d’autre.
L’IA peut faciliter la planification des expériences, l’optimisation des paramètres, la recherche documentaire et la classification des données. Il ne peut pas établir de manière indépendante qu'une mesure physique bruyante est fiable, réparer un système cryogénique ou assumer la responsabilité de la conception d'un appareil. Ce travail est résistant car il associe une science nouvelle à un jugement expérimental pratique, même si l’analyse de routine va s’accélérer.
Aux États-Unis, les ingénieurs en matériel et logiciels quantiques en milieu de carrière gagnent généralement entre 120 000 et 200 000 dollars au milieu des années 2020, avec des forfaits plus élevés dans des entreprises bien financées. Les postes universitaires et dans les laboratoires publics paient moins mais offrent un accès à la recherche. Les salaires européens et asiatiques varient en fonction des systèmes de recherche nationaux et de la rareté des spécialistes expérimentés en cryogénie ou en photonique.
L’IA peut optimiser les impulsions, classer les données et rechercher des espaces de conception, ce qui en fait un outil de laboratoire naturel. Il ne peut pas éliminer le goulot d'étranglement expérimental lié à la construction, au refroidissement, à la mesure et à la validation d'un nouveau dispositif physique.
L’ingénierie quantique est donc susceptible d’utiliser intensément l’IA tout en restant dépendante de spécialistes qui comprennent ce qu’un instrument mesure réellement.
L'analyse de routine des données et l'optimisation de l'étalonnage sont automatisables, mais les nouvelles conceptions expérimentales, le dépannage physique et l'interprétation responsable restent très résistants.
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →Les chercheurs doivent décider si un résultat est physique ou un artefact.
Les systèmes cryogéniques, optiques et RF nécessitent un diagnostic pratique.
Les nouvelles architectures de dispositifs nécessitent des connaissances théoriques et de fabrication.
Les humains restent responsables des lasers, des cryogènes et des salles blanches.
Les réclamations nécessitent des contrôles, de l’incertitude et un examen minutieux par les pairs.
Les algorithmes peuvent régler de nombreux paramètres de contrôle.
Les modèles peuvent identifier des modèles dans les flux de mesure.
Les assistants résument et relient les documents techniques.
Les outils peuvent rédiger du code de contrôle et d’analyse des instruments.
Les algorithmes choisissent de plus en plus la prochaine mesure à partir de données réelles.
Les laboratoires construisent des interfaces logicielles fiables autour d’instruments complexes.
Le rendement, le conditionnement et les tests deviennent plus importants que les démonstrations ponctuelles.
Les spécialistes du quantique, de l’IA et des semi-conducteurs travaillent en plus étroite collaboration.
Construit des systèmes d'impulsions, de RF et de rétroaction pour les qubits.
Mappe les codes et les mesures aux contraintes matérielles réelles.
Conçoit des infrastructures de refroidissement, de câblage et thermiques.
Construit des liens photoniques, des répéteurs et un contrôle de réseau.
Trois lentilles reversibles: augmenter, remplacer une tranche, ou ouvrir une niche. Pedagogique, pas une prevision.
Le role reste; l IA accelere brouillons ou recherche; le jugement reste humain.
Un paquet etroit de taches peut se comprimer d abord tandis que le craft adjacent croit.
Supervision et integration peuvent apparaitre la ou la sortie IA doit etre fiable.
Le domaine connaîtra une croissance inégale : le recrutement de chercheurs pourrait dépasser les revenus des produits éprouvés, tandis que la détection et les liens sécurisés créeront des marchés de niche plus précoces.
L’IA va accélérer les expériences, mais cela rend les mesures minutieuses et la reproductibilité plus (et non moins) précieuses.
Voisins les plus proches sur le profil à six scores — pas seulement le même champ.
Conçoit, analyse et certifie les avions, les fusées et les engins spatiaux qui quittent le sol, en respectant des marges de sécurité qui ne laissent aucune place aux suppositions.
AI-resistant 74 🧠Diagnostique et traite les maladies mentales par médicaments et psychothérapie, l'une des rares spécialités médicales dotée du pouvoir légal d'interner un patient en crise.
AI-resistant 73 👔Conseille les clients, rédige les documents qui les lient et défend leur cause lorsqu'elle est portée devant le tribunal, engageant ainsi sa responsabilité juridique personnelle si le conseil est erroné.
AI-resistant 58 💱Le spécialiste de la rareté — de l'usine d'épingles d'Adam Smith à la salle de décision de la banque centrale, toujours invité à prédire ce qu'aucun modèle ne saisit entièrement.
AI-resistant 62 🧫Utilise les données cliniques, d’essais et du système de santé pour générer des preuves fiables pour des soins, des recherches et des décisions opérationnelles plus sûrs.
AI-resistant 68 🩺Diagnostique la maladie et gère la santé pendant des années par l'examen et la preuve, non par une seule opération — le généraliste de la médecine et son guide de long terme.
AI-resistant 67Établit et teste les lois mathématiques qui régissent la matière, l'énergie, l'espace et le temps, d'un tableau noir solitaire à un article de collisionneur signé par 3 000 auteurs.
AI-resistant 65 🧬Le scientifique qui étudie la vie elle-même, de Linnaeus nommant les espèces à la main à l'édition de génomes avec CRISPR, testant encore chaque idée sur un organisme vivant.
AI-resistant 64 🧪Le scientifique qui fabrique et mesure la matière — de l'alambic babylonien de Tapputi aux laboratoires robotisés d'aujourd'hui, celui qui décide encore ce que signifie le spectre.
AI-resistant 70 📊Détecte des régularités et construit des modèles prédictifs à partir de données — un intitulé de poste né en 2008, fondé sur trois siècles de comptage, de tests et de visualisation des preuves.
AI-resistant 38 🔭Le scientifique qui mesure l'univers, des tablettes d'argile babyloniennes aux télescopes spatiaux, et qui décide encore aujourd'hui quelle fluctuation dans les données est une découverte.
AI-resistant 70 🧮Des scribes babyloniens aux lauréats Fields et à la démonstration assistée par IA : la profession qui transforme les questions difficiles en certitude permanente, théorème après théorème.
AI-resistant 70 🧫Utilise les données cliniques, d’essais et du système de santé pour générer des preuves fiables pour des soins, des recherches et des décisions opérationnelles plus sûrs.
AI-resistant 68