La méthode développée à l'Université d'Innsbruck produit des circuits quantiques basés sur les spécifications des utilisateurs et adaptés aux caractéristiques du matériel quantique sur lequel le circuit fonctionnera. Crédit : Université d’Innsbruck/Harald Ritsch
Les chercheurs ont développé un apprentissage automatique modèle qui génère des circuits quantiques à partir de descriptions textuelles, similaire à la façon dont des modèles comme Stable Diffusion créent des images. Cette méthode améliore l'efficacité et l'adaptabilité de l'informatique quantique.
L'un des développements récents les plus importants en matière d'apprentissage automatique (ML) concerne les modèles génératifs tels que les modèles de diffusion. Ceux-ci inclus Diffusion stable et Dall.e, qui révolutionnent le domaine de la génération d’images. Ces modèles sont capables de produire des images de haute qualité basées sur des descriptions textuelles.
« Notre nouveau modèle de programmation d'ordinateurs quantiques fait la même chose mais, au lieu de générer des images, il génère des circuits quantiques basés sur la description textuelle de l'opération quantique à effectuer », explique Gorka Muñoz-Gil du Département de physique théorique de l'Université. d'Innsbruck, en Autriche.
Les défis de l'informatique quantique
Pour préparer un certain état quantique ou exécuter un algorithme sur un ordinateur quantique, il faut trouver la séquence appropriée de portes quantiques pour effectuer de telles opérations. Bien que cela soit plutôt facile en informatique classique, cela constitue un défi de taille en informatique quantique, en raison des particularités du monde quantique. Récemment, de nombreux scientifiques ont proposé des méthodes pour construire des circuits quantiques en s’appuyant sur de nombreuses méthodes d’apprentissage automatique. Cependant, la formation de ces modèles ML est souvent très difficile en raison de la nécessité de simuler des circuits quantiques au fur et à mesure de l’apprentissage de la machine. Les modèles de diffusion évitent de tels problèmes grâce à la manière dont ils sont formés.
«Cela présente un énorme avantage», explique Gorka Muñoz-Gil, qui a développé cette nouvelle méthode avec Hans J. Briegel et Florian Fürrutter. « De plus, nous montrons que les modèles de diffusion de débruitage sont précis dans leur génération et également très flexibles, permettant de générer des circuits avec différents nombres de qubits, ainsi que des types et nombres de portes quantiques. »
Les modèles peuvent également être adaptés pour préparer des circuits prenant en compte la connectivité du matériel quantique, c'est-à-dire la manière dont les qubits sont connectés dans l'ordinateur quantique.
« Comme la production de nouveaux circuits est très bon marché une fois le modèle entraîné, on peut l'utiliser pour découvrir de nouvelles informations sur les opérations quantiques intéressantes », Gorka Muñoz-Gil cite un autre potentiel de la nouvelle méthode.
Génération de circuits quantiques
La méthode développée à l'Université d'Innsbruck produit des circuits quantiques basés sur les spécifications des utilisateurs et adaptés aux caractéristiques du matériel quantique sur lequel le circuit fonctionnera. Cela marque une avancée significative vers l’exploitation de toute l’étendue de l’informatique quantique. L'ouvrage a maintenant été publié dans Intelligence des machines naturelles et a été soutenu financièrement par le Fonds scientifique autrichien FWF et l'Union européenne, entre autres.
