La quête d’une solution quantique

Monday, January 4, 2021

IQC faculty member David Gosset writing on a window.In English

Dans ses travaux les plus récents menés en collaboration avec IBM, David Gosset, professeur à l’IQC ainsi qu’au Département de combinatoire et d’optimisation, a développé des algorithmes classiques pour simuler certains types restreints de calcul quantique.

M. Gosset et les co-auteurs Sergueï Bravyi et Ramis Movassagh, de la Division de la recherche d’IBM, ont mis au point des algorithmes classiques qui peuvent estimer de manière efficace la valeur moyenne de grandeurs observables à la sortie de circuits quantiques de profondeur constante et à géométrie locale bidimensionnelle.

M. Gosset fait remarquer que ces résultats jettent un éclairage sur la puissance et les limites d’algorithmes quantiques variationnels.

« Nous essayons de comprendre comment ces algorithmes peuvent être utilisés, dit-il. Quelle variante d’un tel algorithme est plus puissante qu’un algorithme classique seul? C’est une question difficile, différente de ce que nous avons l’habitude d’étudier. » [traduction]

Ces résultats ouvrent de nouvelles avenues dans la quête de performances quantiques et montrent comment les ordinateurs classiques jouent un rôle crucial pour nous aider à comprendre les performances des ordinateurs quantiques disponibles à court terme.

L’article intitulé Classical algorithms for quantum mean values (Algorithmes classiques pour des valeurs moyennes quantiques) a été publié le 4 janvier 2021 dans Nature Physics.

  1. 2021 (13)
    1. February (7)
    2. January (6)
  2. 2020 (48)
    1. December (4)
    2. November (4)
    3. October (8)
    4. September (2)
    5. August (4)
    6. July (2)
    7. June (8)
    8. May (4)
    9. April (6)
    10. March (2)
    11. February (2)
    12. January (2)
  3. 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)
  4. 2018 (28)
  5. 2017 (34)
  6. 2016 (44)
  7. 2015 (38)
  8. 2014 (31)
  9. 2013 (27)
  10. 2012 (33)
  11. 2011 (31)
  12. 2010 (52)
  13. 2009 (29)
  14. 2008 (31)
  15. 2007 (27)
  16. 2006 (15)
  17. 2005 (4)