Le problème avec les ordinateurs quantiques



À l'heure actuelle, la plupart des gens ont entendu dire que l'informatique quantique est une technologie révolutionnaire qui exploite les caractéristiques bizarres de la mécanique quantique pour résoudre certains problèmes plus rapidement que ne le peuvent les ordinateurs classiques. Ces problèmes vont du monde mathématique au commerce de détail, en passant par la physique et la finance. Si nous maîtrisons bien la technologie quantique, les avantages devraient porter l’ensemble de l’économie et renforcer la compétitivité des États-Unis.

La promesse de l'informatique quantique a été reconnue pour la première fois dans les années 1980, mais elle n'a pas été tenue. Les ordinateurs quantiques sont extrêmement difficiles à concevoir, à construire et à programmer. En conséquence, ils sont paralysés par des erreurs sous forme de bruit, de fautes et de perte de cohérence quantique, qui sont essentiels à leur fonctionnement, mais s'effondrent avant que tout programme non trivial ait une chance de se terminer.

Cette perte de cohérence (appelée décohérence), provoquée par les vibrations, les fluctuations de température, les ondes électromagnétiques et d'autres interactions avec l'environnement extérieur, détruit finalement les propriétés quantiques exotiques de l'ordinateur. Compte tenu de l'omniprésence actuelle de la décohérence et d'autres erreurs, il est peu probable que les ordinateurs quantiques contemporains donnent des réponses correctes pour des programmes de temps d'exécution même modeste.

Alors que des technologies et des architectures concurrentes s'attaquent à ces problèmes, aucune plate-forme matérielle existante ne peut maintenir une cohérence et fournir la correction d'erreur robuste nécessaire aux calculs à grande échelle. Une percée est probablement dans plusieurs années.

Dans l'intervalle, la question qui se pose à un milliard de dollars est la suivante: comment obtenir des résultats utiles d'un ordinateur devenu incroyablement peu fiable avant d'effectuer un calcul classique?

Les réponses proviennent d'investigations intenses menées sur plusieurs fronts, avec des chercheurs de l'industrie, des universités et des laboratoires nationaux utilisant différentes méthodes pour réduire les erreurs. Une approche consiste à deviner à quoi ressemblerait un calcul sans erreur en fonction des résultats de calculs avec différents niveaux de bruit. Une approche complètement différente, les algorithmes hybrides quantiques-classiques, n'exécute que les sections les plus critiques du programme sur un ordinateur quantique, la majeure partie du programme étant exécutée sur un ordinateur classique plus robuste. Ces stratégies et d’autres se révèlent utiles pour faire face à l’environnement bruyant des ordinateurs quantiques d’aujourd’hui.

Bien que les ordinateurs classiques soient également affectés par diverses sources d’erreurs, ces erreurs peuvent être corrigées avec une quantité modeste de mémoire supplémentaire et de logique. Les schémas de correction d'erreur quantique existent, mais consomment un nombre de qubits (bits quantiques) tellement grand qu'il reste relativement peu de qubits pour le calcul réel. Cela réduit la taille de la tâche informatique à une infime fraction de ce qui pourrait être exécuté sur du matériel sans défaut.

Pour mettre en perspective l’importance d’être économe en consommation de bits, les ordinateurs quantiques de pointe à la pointe de la technologie modernes, qui utilisent des portes logiques analogues à celles qui forment les circuits numériques de l’ordinateur, du smartphone ou de la tablette. en lisant cet article, vanter seulement 50 qubits. Cela ne représente qu'une infime fraction du nombre de bits classiques de votre appareil, généralement des centaines de milliards.

TAMING DÉFAUTS POUR OBTENIR QUELQUE CHOSE DE FAIT

Le problème, c'est que la mécanique quantique défie notre intuition. Nous avons donc du mal à trouver les meilleurs algorithmes pour effectuer des tâches significatives. Pour aider à surmonter ces problèmes, notre équipe du Laboratoire national Los Alamos développe une méthode permettant d’inventer et d’optimiser des algorithmes permettant d’effectuer des tâches utiles sur des ordinateurs quantiques bruyants.

Les algorithmes sont des listes d'opérations qui demandent à un ordinateur de faire quelque chose, analogue à une recette de cuisine. Par rapport aux algorithmes classiques, il est préférable de garder le type quantique le plus court possible et, nous l’avons trouvé, le mieux adapté aux défauts particuliers et au régime de bruit d’un dispositif matériel donné. Cela permet à l'algorithme d'exécuter davantage d'étapes de traitement dans le laps de temps contraint avant que la décohérence ne réduise la probabilité d'obtenir un résultat correct à près de zéro.

Dans notre travail interdisciplinaire sur l'informatique quantique à Los Alamos, financé par le programme Recherche et développement dirigé par les laboratoires, nous poursuivons une étape clé dans la mise en œuvre efficace des algorithmes. L'idée principale est de réduire le nombre de portes pour tenter de terminer l'exécution avant la décohérence, et les autres sources d'erreur peuvent réduire de manière inacceptable les chances de succès.

Nous utilisons l’apprentissage automatique pour traduire, ou compiler, un circuit quantique en un équivalent extrêmement court et spécifique à un ordinateur quantique particulier. Jusqu'à récemment, nous utilisions des méthodes d'apprentissage automatique sur des ordinateurs classiques pour rechercher des versions abrégées de programmes quantiques. Récemment, nous avons mis au point une approche qui utilise les ordinateurs quantiques actuellement disponibles pour compiler leurs propres algorithmes quantiques. Cela évitera la surcharge de calcul considérable nécessaire pour simuler la dynamique quantique sur des ordinateurs classiques.

Parce que cette approche produit des algorithmes plus courts que l'état de la technique, ils réduisent par conséquent les effets du bruit. Cette approche d'apprentissage automatique peut également compenser les erreurs d'une manière spécifique à l'algorithme et à la plate-forme matérielle. Par exemple, un qubit est moins bruyant qu'un autre. L'algorithme utilise donc de préférence les meilleurs qubits. Dans cette situation, l’apprentissage automatique crée un algorithme général pour calculer la tâche assignée sur cet ordinateur en utilisant le moins de ressources de calcul et le moins de portes logiques. Ainsi optimisé, l'algorithme peut fonctionner plus longtemps.

Cette méthode, qui a fonctionné dans un cadre limité sur les ordinateurs quantiques maintenant disponibles au public sur le cloud, tire également parti de la capacité supérieure des ordinateurs quantiques à adapter les algorithmes aux grands problèmes des ordinateurs quantiques plus vastes envisagés pour l’avenir.

De nouveaux travaux sur les algorithmes quantiques donneront aux experts et aux non-experts les outils nécessaires pour effectuer des calculs sur un ordinateur quantique. Les développeurs d’applications peuvent commencer à exploiter le potentiel de l’informatique quantique pour accélérer la vitesse d’exécution au-delà des limites de l’informatique classique. Ces progrès peuvent nous rapprocher de plusieurs étapes pour disposer d’ordinateurs quantiques robustes et fiables à grande échelle afin de résoudre des problèmes complexes du monde réel mettant même à genoux les ordinateurs classiques les plus rapides.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *