L’ordinateur de demain

De nombreuses preuves mathématiques ont été faites pour prouver que les ordinateurs quantiques peuvent surpasser les ordinateurs traditionnels dans une variété d’algorithmes.

Les ordinateurs quantiques que nous avons actuellement ne sont pas à l’épreuve des erreurs et manquent de suffisamment de qubits pour la correction des erreurs. Nous n’avons vu que du matériel informatique quantique évoluer à partir de configurations aléatoires et les ordinateurs traditionnels ne parviennent pas à imiter leur comportement normal. C’est une bonne idée de faire des calculs utiles à l’avenir.

Un nouvel article de l’équipe d’informatique quantique de Google est allé au-delà de ces démonstrations pour utiliser un ordinateur quantique dans un système qui peut nous aider à comprendre les systèmes quantiques plus généralement que le simple ordinateur quantique. Ils montrent également que le système peut surpasser les systèmes informatiques classiques sur le même problème, même avec le matériel sujet aux erreurs d’aujourd’hui.

Sonder les systèmes quantiques

Il est utile d’examiner comment les systèmes quantiques sont généralement compris afin de comprendre le nouveau travail. Parce que ces systèmes sont probabilistes dans leur comportement, il est nécessaire de les mesurer à plusieurs reprises. Ces mesures sont ensuite traitées par un ordinateur classique pour créer une compréhension statistique du comportement du système. Un ordinateur quantique, en revanche, peut refléter un état quantique directement à l’aide de qubits, le reproduire autant de fois que nécessaire et le manipuler au besoin. Cette technique pourrait conduire à du système quantique en question.

Le document se concentre principalement sur les situations dans lesquelles cela devrait être vrai, et développe en partie les idées des documents précédents.

Cette première idée décrit une propriété d’un système quantique qui implique un nombre arbitraire d’éléments, comme un ordinateur quantique sans qubits. C’est exactement la situation décrite ci-dessus. Un ordinateur classique ne peut pas identifier de manière fiable une propriété si des mesures répétées ne sont pas prises. Un ordinateur quantique, en revanche, peut conserver une copie du système dans sa mémoire afin qu’il puisse être répété et traité.

Ces problèmes peuvent être résolus par un ordinateur quantique en utilisant ce qu’on appelle le temps polynomial, où le nombre et la puissance des qubits sont augmentés à une puissance constante (appelée nk). Les échelles de temps sont basées sur du matériel classique et la puissance est liée au nombre de qubits. Le temps nécessaire pour construire du matériel classique augmente à mesure que le nombre de qubits augmente.

Quels sont les autres procédés ?

Ils identifient ensuite une analyse en partie principale quantique. C’est là que les ordinateurs sont utilisés afin de déterminer l’influence la plus significative sur le comportement du système quantique. On pense que cette analyse est sensible au bruit des processeurs quantiques actuels. Mathématiquement, l’équipe a constaté que le nombre dont vous auriez besoin pour répéter les mesures pour l’analyse d’un système classique augmente de façon exponentielle avec la quantité de qubits. L’analyse peut être effectuée avec un système quantique qui permet un nombre constant de répétitions.

Ce dernier scénario consiste à laisser un phénomène physique influencer l’état du système quantique, le faisant évoluer vers un nouvel état. Il est important de développer un modèle qui prédit avec précision le nouvel état. Le défi d’obtenir suffisamment de mesures dans un système classique augmente de façon exponentielle avec le nombre de qubits, mais devient beaucoup plus lent lorsque l’informatique quantique est utilisée.

Qu’est-ce qui fait qu’un ordinateur quantique est plus performant que d’autres ordinateurs ? Les chercheurs pensent que la clé pour obtenir les meilleures performances de l’informatique quantique est de garder deux copies du système en ordre, puis de les emmêler. Ceci n’est possible qu’avec du matériel quantique.

Des exemples ?

Bien que tout fonctionne mathématiquement, cela ne prouve pas que les ordinateurs quantiques aient un avantage sur les machines traditionnelles. Google, cependant, a accès à un ordinateur quantique de haute qualité et a proposé deux façons de tester ce matériel.

Pour la mécanique quantique, la première étape est assez simple. Déterminez combien de mesures sont nécessaires pour former un algorithme d’apprentissage automatique afin d’identifier une propriété à partir d’un ensemble d’états quantiques. Dans un système classique, l’algorithme doit prendre de nombreuses mesures avant de pouvoir faire des prédictions précises. Cependant, les ordinateurs quantiques peuvent faire deux copies de l’état, puis effectuer des mesures qui impliquent les deux copies pour extraire des informations sur son état.

Les deux cas impliquaient une IA formée sur de petits systèmes (8 qubits) pour éviter les erreurs. L’IA qui a été formée à l’aide des données du processeur quantique a montré un niveau de précision comparable à un algorithme conçu spécifiquement à cet effet. C’est nettement mieux que la version classique.

Un deuxième exemple de la vie réelle est celui où les systèmes ont été invités à déterminer si une transformation du système quantique est symétrique par inversion du temps. Cela signifie qu’il peut être inversé s’il y a suffisamment de temps pour revenir en arrière. Ce cas a montré qu’un processus d’apprentissage automatique utilisant des données d’expériences de mesure conventionnelles ne pouvait pas faire cette détermination. L’équipe a créé une copie de chaque qubit, puis a mélangé l’original avec la copie. Ils ont ensuite effectué la transformation sur les deux et mesuré les paires de qubits (original, copie). Ces données de mesure ont été utilisées pour former l’algorithme d’apprentissage automatique sans supervision (ce qui signifie que l’algorithme n’a pas été informé de quelle transformation il s’agissait).

Cela a fonctionné. Cet algorithme a pu distinguer les cas dans lesquels les transformations étaient à retournement temporel et symétriques. C’est quelque chose qui semble très difficile avec le système classique.

Qu’est-ce que ça veut dire ?

Ce papier contient beaucoup d’informations. Dans cet article, Google revendique un avantage quantique, pas une suprématie quantique. Les deux sont très différents. Le premier est utilisé dans les cas où les ordinateurs quantiques surpassent les ordinateurs traditionnels, tandis que le second est utilisé lorsque les ordinateurs classiques ne sont probablement pas en mesure de résoudre le problème. Ce sont les cas dans lesquels un système classique pourrait éventuellement générer une solution. Cela prendrait juste plus de temps.

C’est l’aspect frappant de ceci : le système quantique n’a pas besoin d’être extrêmement bon pour créer un avantage. Le processeur Sycamore de Google est composé de 53 qubits (seulement quarante ont été utilisés dans cet exemple), qui sont encore assez sujets aux erreurs, mais il a été en mesure de fournir un avantage significatif.

Un autre point positif est que les ordinateurs quantiques n’étaient soumis à aucun calcul dans les instances précédentes. Ils ont simplement été mis en place au hasard et autorisés à évoluer. Les deux tests ont nécessité des opérations spécifiques qui ne sont possibles que sur du matériel informatique quantique. Bien que nous ne soyons pas encore en mesure d’effectuer des calculs, ce travail nécessitait la capacité de manipuler des systèmes quantiques. En théorie, nous pourrions utiliser des approches similaires pour comprendre les systèmes quantiques.

Le plus grand défi dans le développement de cette technologie en une méthode de compréhension des systèmes quantiques est de passer de la théorie à la pratique. Pour ce faire, nous avons besoin d’un moyen de transférer l’état du système quantique dans l’état que les qubits peuvent voir. Il n’y a aucun moyen de mesurer un système, puis d’utiliser les informations classiques pour déterminer ses états pour définir des qubits. Ce serait une mauvaise idée pour de nombreux systèmes.

Enfin et surtout, cette approche hybride était en partie quantique et en partie classique. L’apprentissage automatique s’est déroulé sur du matériel classique. Ces systèmes hybrides sont largement explorés afin de maximiser les systèmes à faible nombre de qubits. C’est une belle démonstration de leur efficacité. Cela fonctionnait avec un apprentissage non supervisé, ce qui est une chose fascinante. L’algorithme n’a pas été informé des propriétés importantes, mais il pouvait reconnaître les différences par lui-même. L’équipe de Google suggère que des systèmes similaires pourraient identifier des distinctions dont nous ignorons l’existence et nous aider à mieux comprendre la mécanique quantique.