| EN BREF |
|
Les avancées récentes dans le domaine de l’informatique quantique ont de quoi surprendre et susciter l’enthousiasme. Une équipe de chercheurs américains a réussi à démontrer que l’ordinateur quantique peut surpasser les superordinateurs dans la résolution de tâches d’optimisation complexe. Ce succès repose sur une technique innovante appelée correction par recuit quantique (QAC), développée par une équipe dirigée par l’Université de Californie du Sud (USC). Cette approche pourrait bien transformer notre manière d’aborder les problèmes d’optimisation, en offrant des solutions qui, bien que pas nécessairement exactes, sont suffisamment proches de l’optimal pour être utiles dans de nombreux contextes pratiques.
Le processeur de recuit quantique D-Wave Advantage utilisé
Pour mener à bien cette démonstration, les chercheurs ont utilisé un processeur de recuit quantique D-Wave Advantage, un dispositif spécialisé installé à l’Institut des Sciences de l’Information de l’USC. Ce processeur est conçu pour tirer parti des principes de la physique quantique afin de trouver des solutions de haute qualité à des problèmes d’optimisation difficiles. Cependant, comme avec tous les ordinateurs quantiques actuels, le bruit constitue un obstacle majeur qui peut réduire l’avantage quantique.
C’est ici que la correction par recuit quantique entre en jeu. En intégrant cette technique au processeur D-Wave, l’équipe a pu créer plus de 1 300 qubits logiques à suppression d’erreurs. Cette suppression des erreurs a été cruciale pour obtenir un avantage sur l’algorithme classique le plus efficace pour des problèmes similaires, à savoir le tempering parallèle avec mouvements de cluster isoénergétiques (PT-ICM). Cette étude, publiée dans Physics Review Letters, fournit des preuves solides d’un avantage de mise à l’échelle du recuit quantique dans le cadre de l’optimisation approximative.
Avec la QAC, l’ordinateur quantique présente un avantage de mise à l’échelle
L’expérience a démontré que grâce à la QAC, le recuit quantique présente un avantage de mise à l’échelle par rapport au PT-ICM lorsqu’il s’agit d’échantillonner des états à basse énergie avec un écart d’optimalité d’au moins 1 %. C’est la première démonstration d’une accélération algorithmique quantique dans l’optimisation approximative. Les chercheurs envisagent d’étendre leurs découvertes à des problèmes plus denses et de dimension supérieure, et d’explorer des applications dans l’optimisation du monde réel.
Selon Daniel Lidar, professeur à l’USC et auteur principal de l’étude, des améliorations supplémentaires de la quincaillerie quantique et de la suppression des erreurs pourraient amplifier cet avantage observé. Cette expérience ouvre de nouvelles perspectives pour les algorithmes quantiques dans les tâches d’optimisation où les solutions presque optimales suffisent.
Implications pratiques et futures orientations
Les implications de cette avancée sont vastes. Les problèmes du monde réel ne nécessitent pas toujours des solutions exactes. Par exemple, lors de la constitution d’un fonds commun de placement, il peut être suffisant de surpasser un indice boursier de référence plutôt que de battre chaque portefeuille d’actions existant. C’est dans cette optique que l’approche par recuit quantique prend tout son sens, en fournissant des solutions qui sont proches de l’optimal avec une efficacité inégalée par les méthodes classiques.
À l’avenir, les chercheurs espèrent non seulement améliorer les performances matérielles des ordinateurs quantiques, mais aussi affiner les techniques de correction d’erreurs pour renforcer encore l’avantage quantique. Le potentiel d’application dans des domaines tels que la finance, la logistique et même la recherche de médicaments est immense.
Vers une transformation technologique
Cette démonstration marque une étape importante vers la réalisation du plein potentiel de l’informatique quantique. Elle met en lumière la capacité des ordinateurs quantiques à résoudre des problèmes complexes avec une efficacité inédite, ouvrant ainsi la voie à des innovations technologiques majeures. La quête de solutions d’optimisation quasi-optimales pourrait bien transformer notre approche de problèmes complexes à travers divers secteurs industriels.
Alors que les chercheurs continuent d’explorer ces nouvelles frontières, une question demeure : comment l’informatique quantique continue-t-elle à redéfinir les limites de ce qui est possible dans le monde de la technologie et de l’innovation ?
