L'un des sujets de recherche à chaud actuels est la combinaison de deux des percées technologiques les plus récentes: l'apprentissage automatique et l'informatique quantique.
Une étude expérimentale montre que les ordinateurs quantiques déjà à petite échelle peuvent augmenter les performances des algorithmes d'apprentissage automatique.
Cela a été démontré sur un processeur quantique photonique par une équipe internationale de chercheurs de l'Université de Vienne. L'œuvre, publiée dans Photonique de la naturemontre de nouvelles applications prometteuses pour les ordinateurs quantiques optiques.
Les récentes percées scientifiques ont remodelé le développement de technologies futures. D'une part, l'apprentissage automatique et l'intelligence artificielle ont déjà révolutionné nos vies des tâches quotidiennes à la recherche scientifique. D'un autre côté, l'informatique quantique est devenue un nouveau paradigme de calcul.
D'après la combinaison de ces deux domaines prometteurs, une nouvelle ligne de recherche s'est ouverte: l'apprentissage automatique quantique. Ce champ vise à trouver des améliorations potentielles de la vitesse, de l'efficacité ou de la précision des algorithmes lorsqu'ils fonctionnent sur des plates-formes quantiques. Il s'agit cependant d'un défi ouvert pour réaliser un tel avantage sur les ordinateurs quantiques de technologie actuels.
C'est là qu'une équipe internationale de chercheurs a franchi l'étape suivante et a conçu une nouvelle expérience réalisée par des scientifiques de l'Université de Vienne.
La configuration comprend un circuit photonique quantique construit au Politecnico di Milano (Italie), qui gère un algorithme d'apprentissage automatique proposé pour la première fois par des chercheurs travaillant à Quannuum (Royaume-Uni). L'objectif était de classer les points de données à l'aide d'un ordinateur quantique photonique et de distinguer la contribution des effets quantiques, pour comprendre l'avantage par rapport aux ordinateurs classiques.
L'expérience a montré que les processeurs quantiques déjà de petite taille peuvent fonctionner mieux que les algorithmes conventionnels.
« Nous avons constaté que pour des tâches spécifiques, notre algorithme commet moins d'erreurs que son homologue classique », explique Philip Walther de l'Université de Vienne, chef du projet.
« Cela implique que les ordinateurs quantiques existants peuvent montrer de bonnes performances sans nécessairement aller au-delà de la technologie de pointe », ajoute Zhenghao Yin, premier auteur de la publication dans Photonique de la nature.
Un autre aspect intéressant de la nouvelle recherche est que les plateformes photoniques peuvent consommer moins d'énergie par rapport aux ordinateurs standard. « Cela pourrait s'avérer crucial à l'avenir, étant donné que les algorithmes d'apprentissage automatique deviennent irréalisables, en raison des demandes d'énergie trop élevées », souligne le co-auteur Iris Agresti.
Le résultat des chercheurs a un impact à la fois sur le calcul quantique, car il identifie des tâches qui bénéficient d'effets quantiques, ainsi que sur l'informatique standard.
En effet, de nouveaux algorithmes, inspirés des architectures quantiques, pourraient être conçus, atteignant de meilleures performances et réduisant la consommation d'énergie.
