Dans les années récentes, Des dispositifs quantiques sont devenus disponibles qui permettent aux chercheurs, pour la première fois, d'utiliser du matériel quantique réel pour commencer à résoudre des problèmes scientifiques. Cependant, À court terme, le nombre et la qualité des qubits (l'unité de base de l'information quantique) pour les ordinateurs quantiques devraient rester limités, rendant difficile l'utilisation de ces machines pour des applications pratiques.

Une approche hybride quantique et classique peut être la réponse à ce problème avec le matériel quantique existant. Des chercheurs du Laboratoire national d'Argonne du Département de l'énergie des États-Unis (DOE) et du Laboratoire national de Los Alamos, avec des chercheurs de l'Université de Clemson et des Laboratoires Fujitsu d'Amérique, ont développé des algorithmes hybrides pour fonctionner sur des machines quantiques et les ont démontrés pour des applications pratiques en utilisant des ordinateurs quantiques IBM (voir ci-dessous pour la description du rôle d'Argonne dans l'IBM Q Hub au Oak Ridge National Laboratory [ORNL]) et un ordinateur quantique D-Wave.

« Cette approche permettra aux chercheurs d'utiliser des ordinateurs quantiques à court terme pour résoudre des applications qui soutiennent la mission du DOE. Par exemple, il peut être appliqué pour trouver des structures communautaires dans des réseaux métaboliques ou un microbiome, " dit Youri Alexeev, spécialiste principal du projet, Division des sciences informatiques

Les travaux de l'équipe sont présentés dans un article intitulé "A Hybrid Approach for Solving Optimization Problems on Small Quantum Computers" qui paraît dans le numéro de juin 2019 de l'Institute of Electrical and Electronics Engineers (IEEE) Ordinateur Magazine.

Préoccupations concernant la connectivité qubit, niveaux de bruit élevés, l'effort nécessaire pour corriger les erreurs, et l'évolutivité du matériel quantique ont limité la capacité des chercheurs à fournir les solutions promises à l'avenir par l'informatique quantique.

Les algorithmes hybrides que l'équipe a développés utilisent les meilleures fonctionnalités et capacités des ordinateurs classiques et quantiques pour répondre à ces limitations. Par exemple, les ordinateurs classiques ont de grandes mémoires capables de stocker d'énormes ensembles de données, un défi pour les appareils quantiques qui n'ont qu'un petit nombre de qubits. D'autre part, les algorithmes quantiques fonctionnent mieux pour certains problèmes que les algorithmes classiques.

Pour distinguer les types de calculs effectués sur deux types de matériel complètement différents, l'équipe a qualifié les étapes classiques et quantiques des algorithmes hybrides d'unités centrales de traitement (CPU) pour les ordinateurs classiques et d'unités de traitement quantique (QPU) pour les ordinateurs quantiques.

L'équipe a saisi le partitionnement et le clustering de graphes comme exemples de problèmes d'optimisation pratiques et importants qui peuvent déjà être résolus à l'aide d'ordinateurs quantiques :un petit problème de graphe peut être résolu directement sur un QPU, tandis que les problèmes de graphes plus importants nécessitent des approches hybrides quantiques-classiques.

Lorsqu'un problème est devenu trop important pour être exécuté directement sur des ordinateurs quantiques, les chercheurs ont utilisé des méthodes de décomposition pour décomposer le problème en morceaux plus petits que le QPU pourrait gérer, une idée qu'ils ont empruntée au calcul haute performance et aux méthodes numériques classiques.

Toutes les pièces ont ensuite été assemblées dans une solution finale sur le CPU, qui a non seulement trouvé de meilleurs paramètres, mais également identifié la meilleure taille de sous-problème à résoudre sur un ordinateur quantique.

De telles approches hybrides ne sont pas une solution miracle; ils ne permettent pas d'accélération quantique car l'utilisation de schémas de décomposition limite la vitesse à mesure que la taille du problème augmente. Au cours des 10 prochaines années, bien que, améliorations attendues des qubits (qualité, compter, et connectivité), correction des erreurs, et les algorithmes quantiques réduiront le temps d'exécution et permettront des calculs plus avancés.

"En attendant, " selon Youri Alexeev, spécialiste principal de projets dans la division Computational Science, "cette approche permettra aux chercheurs d'utiliser des ordinateurs quantiques à court terme pour résoudre des applications qui soutiennent la mission du DOE. Par exemple, il peut être appliqué pour trouver des structures communautaires dans des réseaux métaboliques ou un microbiome. »