Faire tourner un logiciel quantique sur un ordinateur classique

Deux physiciens de l’EPFL et de l’Université de Columbia ont présenté une approche pour simuler l’algorithme d’optimisation approximatif quantique en utilisant un ordinateur traditionnel. Au lieu d’exécuter l’algorithme sur des processeurs quantiques avancés, la nouvelle approche utilise un algorithme d’apprentissage machine classique qui reproduit étroitement le comportement d’ordinateurs quantiques à court terme.

Dans un article publié dans Nature Quantum Information , M. Giuseppe Carleo, professeur à l’EPFL, et Matija Medvidovic, étudiant diplômé de l’Université de Columbia et du Flatiron Institute à New York, ont trouvé une façon d’exécuter un algorithme de calcul quantique complexe sur des ordinateurs traditionnels plutôt que sur des ordinateurs quantiques.

Le « logiciel quantique » spécifique qu’ils envisagent est connu sous le nom de Quantum Approximate Optimization Algorithm (QAOA) (Algorithme d’optimisation approximative quantique) et est utilisé pour résoudre des problèmes d’optimisation classiques en mathématiques. Il s’agit principalement d’une façon de trouver la meilleure solution à un problème parmi un ensemble de solutions possibles. « Il y a beaucoup d’intérêt à comprendre quels problèmes peuvent être résolus efficacement par un ordinateur quantique, et le QAOA est l’un des candidats les plus notables », déclare le professeur Carleo.

À terme, le QAOA est destiné à nous aider sur la voie de la fameuse « accélération quantique », l’augmentation prévue de la vitesse de traitement que nous pouvons atteindre avec des ordinateurs quantiques plutôt que des ordinateurs conventionnels. Bien sûr, le QAOA a un certain nombre de partisans, y compris Google, qui a les yeux fixés sur les technologies et le calcul quantiques dans un avenir proche : en 2019, la société a créé Sycamore, un processeur quantique de 53-qubits et l’a utilisé pour exécuter une tâche dont elle estimait qu’elle prendrait environ 10 000 ans avec un super-ordinateur classique moderne. Sycamore a exécuté la même tâche en 200 secondes.

« Mais la barrière de "l’accélération quantique" est tout sauf rigide et elle est continuellement refaçonnée par de nouvelles recherches, également grâce aux progrès dans le développement d’algorithmes classiques plus efficaces  », déclare Carleo.

Dans leur étude, Carleo et Medvidovic traitent d’une question clé ouverte dans le domaine, à savoir : les algorithmes exécutés sur des ordinateurs quantiques actuels et à court terme pourront-ils proposer un avantage significatif sur les algorithmes classiques pour des tâches d’intérêt pratique ? « Si nous devons répondre à cette question, nous devons tout d’abord comprendre les limites du calcul classique dans la simulation de systèmes quantiques », déclare Carleo. Cela est particulièrement important puisque la génération actuelle de processeurs quantiques fonctionnent dans un régime où ils font des erreurs lorsqu’ils exécutent un « logiciel » quantique et peuvent donc exécuter uniquement des algorithmes de complexité limitée.

En utilisant des ordinateurs conventionnels, les deux chercheurs ont développé une méthode qui peut approximativement simuler le comportement d’une catégorie particulière d’algorithmes connus sous le nom d’algorithmes quantiques variationnels, et qui représentent des moyens de calculer l’état énergétique le plus bas, ou "état fondamental" d’un système quantique. Le QAOA est un exemple important de cette famille d’algorithmes quantiques, que les chercheurs considèrent comme étant parmi les candidats les plus prometteurs pour "l’avantage quantique" dans des ordinateurs quantiques à court terme.

L’approche est basée sur l’idée que des outils d’apprentissage machine modernes, par exemple ceux utilisés dans l’apprentissage de jeux complexes comme Go , peuvent également être utilisés pour apprendre et imiter les travaux internes d’un ordinateur quantique. L’outil principal pour ces simulations est le Neural Network Quantum States (NQS), un réseau neuronal artificiel que Carleo a développé en 2016 avec Matthias Troyer , et qui a été utilisé pour la première fois pour simuler le QAOA. Les résultats sont considérés comme étant du ressort du calcul quantique, et ils établissent une nouvelle référence pour le développement futur du matériel quantique.

« Notre travail montre que le QAOA, qu’on peut utiliser sur des ordinateurs quantiques actuels et à court terme, peut être également simulé, avec une grande précision, sur un ordinateur classique », déclare Carleo. « Toutefois, cela ne signifie pas que tous les algorithmes quantiques utiles qui peuvent être exécutés sur des processeurs quantiques à court terme peuvent être imités de manière classique. En réalité, nous espérons que notre approche servira de modèle pour concevoir de nouveaux algorithmes quantiques qui soient à la fois utiles et difficiles à simuler pour des ordinateurs classiques. »


This site uses cookies and analysis tools to improve the usability of the site. More information. |