L'une des façons dont les ordinateurs pensent est d'analyser les relations au sein de grands ensembles de données. Une équipe internationale a montré que les ordinateurs quantiques peuvent effectuer une telle analyse plus rapidement que les ordinateurs classiques pour un éventail de types de données plus large que prévu.

L'algorithme de système linéaire quantique proposé par l'équipe est publié dans Lettres d'examen physique . À l'avenir, cela pourrait aider à calculer des chiffres sur des problèmes aussi variés que la tarification des matières premières, réseaux sociaux et structures chimiques.

« L'algorithme quantique précédent de ce type s'appliquait à un type de problème très spécifique. Nous avons besoin d'une mise à niveau si nous voulons obtenir une accélération quantique pour d'autres données, " dit Zhikuan Zhao, auteur correspondant sur l'œuvre.

Le premier algorithme de système linéaire quantique a été proposé en 2009 par un autre groupe de chercheurs. Cet algorithme a lancé la recherche sur les formes quantiques d'apprentissage automatique, ou l'intelligence artificielle.

Un algorithme de système linéaire fonctionne sur une grande matrice de données. Par exemple, un commerçant peut essayer de prédire le prix futur des marchandises. La matrice peut capturer des données historiques sur les mouvements de prix au fil du temps et des données sur les caractéristiques qui pourraient influencer ces prix, tels que les taux de change. L'algorithme calcule à quel point chaque caractéristique est corrélée avec une autre en « inversant » la matrice. Ces informations peuvent ensuite être utilisées pour extrapoler dans le futur.

"Il y a beaucoup de calculs impliqués dans l'analyse de la matrice. Quand elle dépasse, disons 10, 000 par 10, 000 entrées, ça devient dur pour les ordinateurs classiques, " explique Zhao. En effet, le nombre d'étapes de calcul augmente rapidement avec le nombre d'éléments dans la matrice :chaque doublement de la taille de la matrice multiplie par huit la longueur du calcul.

L'algorithme de 2009 pourrait mieux gérer des matrices plus grandes, mais seulement si leurs données sont rares. Dans ces cas, il existe des relations limitées entre les éléments, ce qui n'est souvent pas le cas des données du monde réel. Zhao, Prakash et Wossnig présentent un nouvel algorithme plus rapide que les versions quantiques classiques et précédentes, sans restrictions sur le type de données qu'il traite.

A titre indicatif, pour un 10, 000 matrice carrée, l'algorithme classique prendrait l'ordre d'un trillion d'étapes de calcul, le premier algorithme quantique quelques dizaines de milliers de pas et le nouvel algorithme quantique quelques centaines de pas. L'algorithme repose sur une technique connue sous le nom d'estimation de valeur singulière quantique.

Il y a eu quelques démonstrations de preuve de principe de l'algorithme du système linéaire quantique antérieur sur des ordinateurs quantiques à petite échelle. Zhao et ses collègues espèrent travailler avec un groupe expérimental pour effectuer une démonstration de preuve de principe de leur algorithme, trop. Ils veulent également faire une analyse complète de l'effort requis pour mettre en œuvre l'algorithme, vérifier les frais généraux qu'il peut y avoir.

Pour montrer un réel avantage quantique par rapport aux algorithmes classiques, il faudra des ordinateurs quantiques plus gros. Zhao estime que « nous envisageons peut-être trois à cinq ans dans le futur lorsque nous pourrons réellement utiliser le matériel construit par les expérimentateurs pour effectuer des calculs quantiques significatifs avec des applications en intelligence artificielle ».