L'informatique quantique offre des progrès majeurs en termes de vitesse et d'efficacité de traitement, mais elle est confrontée à des défis importants, notamment la perte d'informations. Des recherches récentes ont montré que les algorithmes classiques optimisés peuvent imiter efficacement l'informatique quantique, ce qui suggère que les améliorations apportées à l'informatique classique pourraient combler le fossé par rapport au potentiel de l'informatique quantique. Ce développement souligne la complexité d’atteindre la supériorité quantique et met en évidence une approche multiforme des progrès informatiques.
Les chercheurs adoptent une méthode innovante pour augmenter la vitesse et la précision de l’informatique traditionnelle.
L’informatique quantique a été saluée comme une technologie capable de surpasser l’informatique classique en termes de vitesse et d’utilisation de la mémoire, ouvrant potentiellement la voie à des prédictions de phénomènes physiques auparavant impossibles.
Beaucoup voient l'informatique quantiqueL'avènement de l'informatique marque un changement de paradigme par rapport à l'informatique classique ou conventionnelle. Les ordinateurs conventionnels traitent les informations sous forme de bits numériques (0 et 1), tandis que les ordinateurs quantiques déploient des bits quantiques (qubits) pour stocker les informations quantiques sous forme de valeurs. entre 0 et 1. Sous certaines conditions, cette capacité à traiter et stocker des informations dans des qubits peut être utilisée pour concevoir des algorithmes quantiques qui surpassent considérablement leurs homologues classiques. Notamment, la capacité du quantique à stocker des informations dans des valeurs comprises entre 0 et 1 rend difficile pour les ordinateurs classiques d'émuler parfaitement les ordinateurs quantiques.
Défis et solutions en informatique quantique
Cependant, les ordinateurs quantiques sont capricieux et ont tendance à perdre des informations. De plus, même si la perte d’informations peut être évitée, il est difficile de la traduire en informations classiques, ce qui est nécessaire pour produire un calcul utile.
Les ordinateurs classiques ne souffrent d’aucun de ces deux problèmes. De plus, des algorithmes classiques intelligemment conçus peuvent exploiter davantage le double défi de la perte et de la traduction d'informations pour imiter un ordinateur quantique avec beaucoup moins de ressources qu'on ne le pensait auparavant, comme l'a récemment rapporté un article de recherche paru dans la revue PRX Quantique.
Les résultats des scientifiques montrent que l'informatique classique peut être reconfigurée pour effectuer des calculs plus rapides et plus précis que les ordinateurs quantiques de pointe.
Cette avancée majeure a été réalisée grâce à un algorithme qui ne conserve qu’une partie des informations stockées dans l’état quantique, et juste assez pour pouvoir calculer avec précision le résultat final.
Faire le pont entre l'informatique classique et l'informatique quantique
« Ce travail montre qu'il existe de nombreuses voies potentielles pour améliorer les calculs, englobant à la fois les approches classiques et quantiques », explique Dries Sels, professeur adjoint en L'Université de New YorkDépartement de physique et l'un des auteurs de l'article. « De plus, nos travaux mettent en évidence à quel point il est difficile d'obtenir un avantage quantique avec un ordinateur quantique sujet aux erreurs. »
En cherchant des moyens d'optimiser l'informatique classique, Sels et ses collègues de la Fondation Simons se sont concentrés sur un type de réseau tensoriel qui représente fidèlement les interactions entre les qubits. Ces types de réseaux sont notoirement difficiles à gérer, mais les progrès récents dans le domaine permettent désormais d'optimiser ces réseaux avec des outils empruntés à l'inférence statistique.
Les auteurs comparent le travail de l'algorithme à la compression d'une image dans un fichier JPEG, qui permet de stocker des images volumineuses en utilisant moins d'espace en éliminant les informations avec une perte à peine perceptible de la qualité de l'image.
« Choisir différentes structures pour le réseau tenseur correspond à choisir différentes formes de compression, comme différents formats pour votre image », explique Joseph Tindall du Flatiron Institute, qui a dirigé le projet. «Nous développons avec succès des outils permettant de travailler avec un large éventail de réseaux de tenseurs différents. Ce travail reflète cela, et nous sommes convaincus que nous relèverons bientôt encore plus la barre en matière d’informatique quantique.
Le travail a été soutenu par le Flatiron Institute et une subvention du Bureau de recherche scientifique de l’Air Force (FA9550-21-1-0236).
