By Kenna Hughes-Castleberry publié le 23 sept. 2022
Lorsqu’il s’agit de nouvelles technologies innovantes, l’intelligence artificielle et l’informatique quantique figurent en tête de liste. L’intelligence artificielle (IA) ou apprentissage automatique est déjà largement utilisée par les entreprises pour accroître leur efficacité ou détecter des problèmes. L'intelligence artificielle utilise des données et des algorithmes pour identifier des modèles dans les données et apprendre de la même manière que les humains. De même, l’informatique quantique exploite algorithmes pour résoudre des problèmes difficiles beaucoup plus rapidement qu'un ordinateur classique. Pour de nombreuses entreprises, la possibilité de combiner ces deux technologies peut entraîner de puissants avantages, notamment pour l’informatique quantique.
Comment l’intelligence artificielle s’interface-t-elle avec l’informatique quantique ?
Tim Teter, vice-président exécutif, directeur juridique et secrétaire de NVIDIA, s'exprime sur l'apprentissage automatique quantique (QML) (PC NVIDIA.com)
Des entreprises comme NVIDIA, sont leaders sur les marchés technologiques de l’intelligence artificielle et de l’informatique quantique. Actuellement, ils cherchent à combiner ces deux éléments dans une nouvelle technologie, connue sous le nom de « apprentissage automatique quantique » (QML). Dans le cadre de l’apprentissage automatique quantique, les processus d’information quantique complètent l’apprentissage automatique selon une analyse de l’Université de Princeton pour fournir des résultats de niveau supérieur. Selon Tim Teter, le vice-président exécutif, chef du contentieux et secrétaire de NVIDIA: « On s’attend à ce qu’il y ait des cas d’avantages quantiques mathématiquement rigoureux dans [l’apprentissage automatique quantique]. Les modèles génératifs quantiques en sont un exemple. Parce que des éléments tels que les corrélations quantiques sont difficiles à représenter de manière classique, les ordinateurs quantiques peuvent avoir un pouvoir d'expression plus important lorsqu'ils utilisent des modèles génératifs. Ceux-ci sont utilisés dans des applications telles que le traitement du langage naturel.
Une Google AI blog illustre les avantages de l’apprentissage automatique quantique, en particulier pour les capteurs quantiques. Comme les capteurs quantiques jouent un rôle important dans les mesures de haute précision, comme pour attractif vagues, disposer d’une méthode pour améliorer la stabilité et l’évolutivité de ces appareils changerait la donne. Selon le blog, l'apprentissage automatique quantique : « est à cheval sur la frontière entre les ordinateurs quantiques et les capteurs quantiques… Au lieu de mesurer l'état quantique, un ordinateur quantique peut stocker des données quantiques et implémenter un algorithme QML pour traiter les données sans les effondrer. » Les ordinateurs quantiques étant particulièrement fragiles, l’utilisation de l’apprentissage automatique quantique peut non seulement réduire le bruit ambiant, mais également rendre l’évolutivité plus possible.
Comment l’intelligence artificielle peut contribuer à l’évolutivité quantique
Le développement des ordinateurs quantiques présente de nombreux défis. L’une des plus importantes consiste à contrôler un plus grand nombre de qubits au sein d’un système quantique plus vaste. Heureusement, l’apprentissage automatique peut aider à surmonter ce défi. "L'apprentissage automatique peut vraiment aider à aborder un domaine important à l'avenir, à savoir que, à mesure que les systèmes quantiques commencent à évoluer vers davantage de qubits, la difficulté résidera dans l'étalonnage et le contrôle des systèmes quantiques", a expliqué Teter. « Le déploiement d’ordinateurs quantiques implique de régler et de calibrer un grand nombre de paramètres par qubit. Aujourd'hui, les scientifiques quantiques passent beaucoup de temps à faire cela manuellement, mais à l'avenir, à mesure que les systèmes évolueront vers des scénarios de déploiement, cela ne sera bien sûr pas réalisable. C’est donc l’une des choses pour lesquelles nous pensons que la plate-forme NVIDIA est idéale pour être associée à l’informatique quantique dans une approche hybride. La plateforme hybride de NVIDIA QODA (Quantum Optimized Device Architecture) combine l'informatique classique et quantique avec la possibilité d'ajouter des programmes d'apprentissage automatique.
Créer un avenir transformateur
Bien que la plate-forme QODA de NVIDIA ne soit qu'une parmi tant d'autres combinant l'informatique quantique et l'intelligence artificielle, elle fait partie d'une tendance plus large qui exploite ces deux technologies innovantes pour réaliser de nouvelles avancées. "L'IA est une technologie transformatrice qui est de plus en plus adoptée par toutes sortes de secteurs différents pour résoudre des problèmes plus difficiles qui pourraient être résolus sans l'IA", a ajouté Teter. "Bien que l'informatique quantique soit un peu plus récente dans sa vie, elle offre la promesse d'être tout aussi perturbatrice pour un large éventail d'industries à l'avenir."
Kenna Hughes-Castleberry est rédactrice à Inside Quantum Technology et communicatrice scientifique à JILA (un partenariat entre l'Université du Colorado à Boulder et le NIST). Ses rythmes d'écriture incluent la technologie profonde, le métaverse et la technologie quantique.
