University COVID-19 update

 Visit our Coronavirus Information website for more information.

Un nouveau logiciel combine les apprentissages automatiques classique et quantique

Monday, March 9, 2020

In English.

Cinq étudiants de l’Université de Waterloo ont fait équipe avec Google pour mettre au point un logiciel accélérant l’apprentissage automatique à l’aide de la physique quantique.

Cet effort conjoint a entraîné la création d’un environnement logiciel libre hybride quantique-classique d’apprentissage automatique, appelé TensorFlow Quantum. Celui-ci intègre le cadre de travail Cirq et l’environnement TensorFlow de Google. Il permettra de réaliser rapidement les étapes de prototypage, de formation, d’inférence et de test de modèles hybrides quantiques-classiques d’apprentissage automatique, en vue de l’apprentissage de représentations de données classiques ou quantiques.

L’apprentissage automatique hybride quantique-classique est un domaine de recherche qui vise à combiner la puissance de l’informatique quantique et celle de l’intelligence artificielle (IA).

TensorFlow Quantum facilitera grandement la découverte de nouvelles manières de combiner l’apprentissage automatique classique de TensorFlow et les nouvelles possibilités issues de l’avènement des premiers ordinateurs quantiques, notamment la puce Sycamore de Google, qui a récemment réussi le test de la suprématie quantique.

« L’apprentissage automatique s’est révélé prometteur dans le cas de modèles naturels tels que le traitement d’images pour le diagnostic de cancers, la détection de répliques de tremblements de terre, la prédiction d’événements météorologiques extrêmes et la détection d’exoplanètes », a déclaré Masoud Mohseni, responsable de la technologie quantique d’IA chez Google pour TensorFlow Quantum. « Mais les algorithmes actuels d’apprentissage automatique sont formés à l’aide de données classiques, alors que la nature est intrinsèquement quantique. Pour modéliser la nature de manière plus profonde, il faut parvenir à réaliser un apprentissage automatique à partir de données quantiques, et c’est ce que cet environnement permettra de faire.

« Celui-ci a le grand avantage de faciliter la formation de modèles hybrides quantiques-classiques, en fournissant plusieurs outils pour des sous-routines communes utilisées en apprentissage automatique quantique, tout en incluant un simulateur à haute performance de calculs quantiques prédéfinis. »

(Left to Right) Verdon, Broughton and McCourt in front of Google headquarters

(De gauche à droite) MM. Verdon, Broughton et McCourt devant le siège de Google

Guillaume Verdon, membre du Laboratoire de physique de l’information du professeur Achim Kempf, et Michael Broughton, diplômé en informatique de l’Université de Waterloo, ont initialement mis sur pied ce projet comme outil pour leurs recherches en apprentissage automatique quantique.

Les deux ont fait un stage chez Google afin de poursuivre leur travail sur ce projet et sont maintenant employés à plein temps de Google.

« Ce projet est né d’une amitié inattendue, qui a fini par susciter une collaboration universitaire et industrielle, » a déclaré M. Verdon, doctorant au Département de mathématiques de l’Université de Waterloo. « Il vise à augmenter les capacités de l'IA en hybridant l’informatique quantique et les logiciels les plus perfectionnés d’apprentissage automatique, et d’étendre ainsi au monde quantique la portée de l’IA classique. » [traduction]

Le lancement de TensorFlow Quantum fera partie du programme du Sommet des développeurs de TensorFlow 2020, qui sera diffusé en direct le 11 mars.

Un document de présentation technique de TensorFlow Quantum est également paru hier. En plus de Guillaume Verdon et Michael Broughton, les auteurs de l’article comptent 3 autres étudiants de l’Université de Waterloo : Trevor McCourt, étudiant de 1er cycle au Département de génie mécanique et de mécatronique; Antonio Martinez, doctorant au Département de physique et d’astronomie; Evan Peters, étudiant à la maîtrise au Département de mathématiques appliquées.

L’équipe de Google qui a travaillé au projet et au document de présentation technique comprend Masoud Mohseni, Jae Hyeon Yoo, Sergei Isakov, Phillip Massey, Murphy Yuezhen Niu, Ramin Halavati, Jarrod McClean, Sergio Boixo, Dave Bacon, Alan Ho et Hartmut Neven. L’équipe qui a mis au point TensorFlow Quantum comprenait également les personnes suivantes du groupe Volkswagen : Florian Neukart, Martin Leib, Andrea Skolik, Michael Streif et David Von Dollen.

PERSONNE-RESSOURCE POUR LES MÉDIAS | Matthew Grant
226 929-7627 | @uwaterloonews | uwaterloo.ca/news

Cet article a d’abord été publié en anglais dans Mathematics News.

  1. 2020 (13)
    1. May (2)
    2. April (5)
    3. March (2)
    4. February (2)
    5. January (2)
  2. 2019 (60)
    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 (10)
    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)