Évaluation de l’extensibilité et des performances d’ordinateurs quantiques

Monday, November 25, 2019

In English.

Des chercheurs de l’Institut d’informatique quantique (IQC) viennent de faire la démonstration d’une nouvelle méthode, dite d’étalonnage cyclique, pour évaluer l’extensibilité et comparer les capacités de divers ordinateurs quantiques.

Ces travaux ouvrent la voie vers l’établissement de normes de performance d’ordinateurs quantiques et contribuent aux efforts déployés à l’échelle mondiale pour construire un ordinateur quantique exploitable de grande taille.

« Une méthode uniforme de caractérisation et de correction des erreurs dans des systèmes quantiques permet de normaliser la manière d’évaluer un processeur quantique, et donc de faire des comparaisons équitables entre diverses architectures » [traduction], déclare Joel Wallman, professeur adjoint à l’IQC et au Département de mathématiques appliquées de l’Université de Waterloo.

L’étalonnage cyclique aide les utilisateurs de l’informatique quantique à comparer diverses configurations matérielles et à accroître la capacité de tout ordinateur quantique à répondre aux exigences des applications visées. Cette percée survient alors que la course à l’informatique quantique s’intensifie rapidement et que l’offre d’informatique quantique en nuage augmente rapidement. À lui seul, le mois qui vient de s’écouler a vu Microsoft, IBM et Google faire des annonces majeures.

Cette méthode détermine en outre la probabilité d’une erreur dans une application de calcul quantique, lorsque celle-ci est mise en œuvre par compilation aléatoire. Cela signifie que l’étalonnage cyclique constitue un moyen de mesurer et de comparer les capacités de processeurs quantiques offerts par différents fournisseurs, d’une manière pouvant être adaptée aux applications qui intéressent l’utilisateur.

« L’étalonnage cyclique ouvre la voie à l’évaluation, à l’amélioration et à la validation des capacités de calcul quantique à notre époque de découvertes dans le domaine, où l’on espère que des ordinateurs quantiques susceptibles d’erreurs offriront de nouvelles solutions à des problèmes de traitement et où la qualité de ces solutions ne peut plus être vérifiée à l’aide des ordinateurs de haute performance actuels » [traduction], déclare Joseph Emerson, professeur à l’IQC et au Département de mathématiques appliquées, également co-auteur de l’article.

MM. Emerson et Wallman ont fondé Quantum Benchmark inc., société issue de l’essaimage à partir de l’IQC, qui a déjà vendu cette technologie sous licence à plusieurs chefs de file mondiaux de l’informatique quantique, dont la division d’IA quantique de Google.

IQC faculty members Joel Wallman and Joseph Emerson at the offices of Quantum Benchmark

Joel Wallman et Joseph Emerson, professeurs à l’IQC, dans les bureaux de Quantum Benchmark.

 

Le problème des erreurs

Grâce à la mécanique quantique, les ordinateurs quantiques offrent une puissance de calcul fondamentalement plus grande. Ils peuvent résoudre certains types de problèmes plus efficacement qu’un ordinateur numérique traditionnel. Par contre, les qubits — unités élémentaires de traitement dans un ordinateur quantique — sont fragiles; toute imperfection ou source de bruit présente dans le système peut causer dans un calcul quantique des erreurs conduisant à des solutions erronées.

Le contrôle d’un ordinateur quantique limité à 1 ou 2 qubits est la première étape d’une entreprise plus ambitieuse. Un ordinateur quantique de plus grande taille peut être capable d’effectuer des tâches de plus en plus complexes telles que l’apprentissage automatique ou la simulation de systèmes complexes visant à découvrir de nouveaux médicaments. Mais la construction d’un ordinateur quantique de grande taille pose des défis : le spectre des erreurs possibles s’élargit à mesure que l’on ajoute des qubits et que le système quantique grossit.

Augmenter ou non la taille d’un ordinateur quantique

La caractérisation d’un système quantique produit un profil du bruit et des erreurs, indiquant du même coup si le processeur effectue réellement les tâches ou les calculs qu’on lui demande. Pour connaître le rendement de tout ordinateur quantique existant face à un problème complexe, ou pour réduire les erreurs afin d’augmenter la taille d’un ordinateur quantique, il faut d’abord caractériser toutes les erreurs notables qui affectent le système.

MM. Wallman et Emerson, ainsi qu’une équipe de chercheurs de l’Université d’Innsbruck, ont mis au point une méthode d’évaluation de tous les taux d’erreur qui affectent un ordinateur quantique. Ils ont mis en œuvre cette nouvelle technique pour l’ordinateur quantique à ions piégés de l’Université d’Innsbruck et ont constaté que les taux d’erreur n’augmentent pas avec la taille de cet ordinateur quantique, ce qui constitue en soi un résultat très prometteur.

« L’étalonnage cyclique est la première méthode qui permet de vérifier de façon fiable si l’on est sur la bonne voie pour étendre l’architecture d’un ordinateur quantique, dit M. Wallman. Ce résultat est important parce qu’il fournit un instrument complet de caractérisation des erreurs, valable quel que soit l’ordinateur quantique. » [traduction]

L’article intitulé Characterizing large-scale quantum computers via cycle benchmarking (Caractérisation d’ordinateurs quantiques de grande taille par étalonnage cyclique) a été publié le 25 novembre 2019 dans Nature Communications.

  1. 2020 (33)
    1. October (3)
    2. September (1)
    3. August (3)
    4. July (2)
    5. June (8)
    6. May (4)
    7. April (6)
    8. March (2)
    9. February (2)
    10. January (2)
  2. 2019 (61)
    1. December (6)
    2. November (2)
    3. October (8)
    4. September (4)
    5. August (2)
    6. July (6)
    7. June (6)
    8. May (4)
    9. April (4)
    10. March (11)
    11. February (6)
    12. January (2)
  3. 2018 (28)
    1. October (6)
    2. September (1)
    3. August (2)
    4. July (1)
    5. June (1)
    6. May (3)
    7. April (4)
    8. March (5)
    9. February (3)
    10. January (2)
  4. 2017 (34)
  5. 2016 (44)
  6. 2015 (38)
  7. 2014 (31)
  8. 2013 (27)
  9. 2012 (33)
  10. 2011 (31)
  11. 2010 (52)
  12. 2009 (29)
  13. 2008 (31)
  14. 2007 (27)
  15. 2006 (15)
  16. 2005 (4)