Les ordinateurs quantiques auront dorénavant de l’aide pour vaincre le principal obstacle à leurs performances : le bruit.
Joel Wallman, chercheur à l’Institut d’informatique quantique (IQC) et professeur adjoint de mathématiques appliquées à l’Université de Waterloo, vient de mettre au point un protocole qui contribuera à surmonter le problème du bruit dans les ordinateurs quantiques, permettant à ceux-ci d’effectuer des calculs plus complexes.
« Le bruit inhérent aux ordinateurs quantiques nuit à la fiabilité de leurs résultats », dit M. Wallman, cofondateur de Quantum Benchmark, entreprise issue de l’essaimage à partir de l’IQC. « À l’heure actuelle, les problèmes que nous savons résoudre à l’aide d’un ordinateur quantique sont mieux résolus à l’aide d’ordinateurs classiques. Pour produire des ordinateurs quantiques capables de faire quelque chose d’utile, nous devons en construire de plus gros et nous devons apprendre à mieux les contrôler. » [traduction]
Joel Wallman, en collaboration avec Robin Harper et Steve Flammia, de l’Université de Sydney, a mis au point un nouveau protocole qui fonctionne dans de grands systèmes — des ordinateurs quantiques ayant de nombreux qubits (version quantique des bits des ordinateurs classiques). Ce protocole permet aux chercheurs de caractériser d’une manière efficace et fiable le bruit quantique qui affecte les qubits.
Auparavant, les chercheurs utilisaient des protocoles d’évaluation qui ne pouvaient détecter des erreurs que sur de petits sous-ensembles de qubits. La nouvelle méthode donne une estimation du bruit effectif et peut détecter des corrélations d’erreurs dans des ensembles quelconques de qubits.
« La raison pour laquelle ce protocole est si important est que si le bruit n’agit pas que localement dans un système, les techniques actuelles de correction et d’atténuation des erreurs ne fonctionnent tout simplement pas », dit M. Wallman. « Et nos données ont montré que de telles erreurs non locales sont présentes dans de véritables ordinateurs quantiques. » [traduction]
L’équipe de recherche de M. Wallman à l’Université de Waterloo et chez Quantum Benchmark perfectionne cette technique, afin de caractériser et de supprimer les erreurs dans des opérations spécifiques sur des données.
L’article intitulé Efficient learning of quantum noise (Apprentissage efficace du bruit quantique), de Robin Harper, Steve Flammia et Joel Wallman, est paru le 10 août 2020 dans la revue Nature Physics.
Des outils fondés sur cette méthode sont inclus dans True-Q, logiciel de Quantum Benchmark et chef de file mondial de la caractérisation des erreurs quantiques.