Les progrès des algorithmes rendent les petits ordinateurs quantiques bruyants viables –

  • FrançaisFrançais



  • Comme indiqué dans un nouvel article de Nature Avis Physique, au lieu d’attendre l’émergence d’ordinateurs quantiques à pleine maturité, le Laboratoire national de Los Alamos et d’autres institutions de premier plan ont développé des algorithmes hybrides classiques/quantiques pour extraire le plus de performances – et potentiellement l’avantage quantique – du matériel bruyant et sujet aux erreurs d’aujourd’hui. Connus sous le nom d’algorithmes quantiques variationnels, ils utilisent les boîtes quantiques pour manipuler les systèmes quantiques tout en transférant une grande partie de la charge de travail aux ordinateurs classiques pour leur permettre de faire ce qu’ils font le mieux actuellement : résoudre des problèmes d’optimisation.

    “Les ordinateurs quantiques ont la promesse de surpasser les ordinateurs classiques pour certaines tâches, mais sur le matériel quantique actuellement disponible, ils ne peuvent pas exécuter de longs algorithmes. Ils ont trop de bruit lorsqu’ils interagissent avec l’environnement, ce qui corrompt les informations en cours de traitement”, a déclaré Marco Cerezo. , physicien spécialisé dans l’informatique quantique, l’apprentissage automatique quantique et l’information quantique à Los Alamos et auteur principal de l’article. “Avec les algorithmes quantiques variationnels, nous obtenons le meilleur des deux mondes. Nous pouvons exploiter la puissance des ordinateurs quantiques pour des tâches que les ordinateurs classiques ne peuvent pas faire facilement, puis utiliser des ordinateurs classiques pour compléter la puissance de calcul des dispositifs quantiques.”

    Les ordinateurs quantiques bruyants actuels à échelle intermédiaire ont entre 50 et 100 qubits, perdent rapidement leur “quantité” et manquent de correction d’erreur, ce qui nécessite plus de qubits. Depuis la fin des années 1990, cependant, les théoriciens ont développé des algorithmes conçus pour fonctionner sur un grand ordinateur quantique idéalisé, à correction d’erreurs et tolérant aux pannes.

    “Nous ne pouvons pas encore implémenter ces algorithmes car ils donnent des résultats absurdes ou nécessitent trop de qubits. Les gens ont donc réalisé que nous avions besoin d’une approche qui s’adapte aux contraintes du matériel dont nous disposons – un problème d’optimisation”, a déclaré Patrick Coles, physicien théoricien développant des algorithmes à Los Alamos et auteur principal principal de l’article.

    “Nous avons découvert que nous pouvions transformer tous les problèmes d’intérêt en problèmes d’optimisation, potentiellement avec un avantage quantique, ce qui signifie que l’ordinateur quantique bat un ordinateur classique à la tâche”, a déclaré Coles. Ces problèmes incluent des simulations pour la science des matériaux et la chimie quantique, la factorisation des nombres, l’analyse de données volumineuses et pratiquement toutes les applications proposées pour les ordinateurs quantiques.

    Les algorithmes sont appelés variationnels car le processus d’optimisation fait varier l’algorithme à la volée, comme une sorte d’apprentissage automatique. Il modifie les paramètres et les portes logiques pour minimiser une fonction de coût, qui est une expression mathématique qui mesure dans quelle mesure l’algorithme a exécuté la tâche. Le problème est résolu lorsque la fonction de coût atteint sa valeur la plus basse possible.

    Dans une fonction itérative de l’algorithme quantique variationnel, l’ordinateur quantique estime la fonction de coût, puis renvoie ce résultat à l’ordinateur classique. L’ordinateur classique ajuste ensuite les paramètres d’entrée et les envoie à l’ordinateur quantique, qui relance l’optimisation.

    L’article de synthèse se veut une introduction complète et une référence pédagogique pour les recherches commençant dans ce domaine naissant. Dans ce document, les auteurs discutent de toutes les applications des algorithmes et de leur fonctionnement, ainsi que des défis, des pièges et de la manière de les résoudre. Enfin, il regarde vers l’avenir, en considérant les meilleures opportunités pour obtenir un avantage quantique sur les ordinateurs qui seront disponibles dans les deux prochaines années.

    Source de l’histoire :

    Matériaux fourni par Laboratoire national DOE/Los Alamos. Remarque : Le contenu peut être modifié pour le style et la longueur.

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.