Un nouvel article de chercheurs de l'Université de Chicago présente une technique de compilation d'instructions quantiques hautement optimisées pouvant être exécutées sur du matériel à court terme. Cette technique est particulièrement bien adaptée à une nouvelle classe d'algorithmes quantiques variationnels, qui sont des candidats prometteurs pour démontrer des accélérations quantiques utiles. Le nouveau travail a été rendu possible en unissant les idées à travers la pile, couvrant les algorithmes quantiques, apprentissage automatique, compilateurs, et la physique des appareils. La recherche interdisciplinaire a été menée par des membres de la collaboration EPiQC (Enabling Practical-scale Quantum Computation), une expédition NSF en informatique.

S'adapter à un nouveau paradigme pour les algorithmes quantiques

La vision originale des algorithmes quantiques remonte au début des années 1980, lorsque le physicien Richard Feynman a proposé d'effectuer des simulations moléculaires en utilisant seulement des milliers de qubits sans bruit (bits quantiques), une tâche pratiquement impossible pour les ordinateurs traditionnels. D'autres algorithmes développés dans les années 1990 et 2000 ont démontré que des milliers de qubits sans bruit offriraient également des accélérations spectaculaires pour des problèmes tels que la recherche dans les bases de données, factorisation entière, et algèbre matricielle. Cependant, malgré les avancées récentes du matériel quantique, ces algorithmes sont encore à des décennies de réalisations évolutives, car le matériel actuel comporte des qubits bruyants.

Pour répondre aux contraintes des ordinateurs quantiques actuels et à court terme, un nouveau paradigme pour les algorithmes quantiques variationnels a récemment émergé. Ces algorithmes relèvent des défis de calcul similaires à ceux des algorithmes quantiques initialement envisagés, mais renforcez la résilience au bruit en laissant certains paramètres internes du programme non spécifiés. Au lieu, ces paramètres internes sont appris par variation au cours d'essais répétés, guidé par un optimiseur. Avec un optimiseur robuste, un algorithme variationnel peut tolérer des niveaux de bruit modérés.

Alors que la résilience au bruit des algorithmes variationnels est attrayante, il pose un défi pour la compilation, le processus de traduction d'un algorithme mathématique en instructions physiques finalement exécutées par le matériel.

« Le compromis entre les algorithmes quantiques variationnels et traditionnels est que, bien que les approches variationnelles soient bon marché en nombre de portes, ils sont chers en nombre de répétitions nécessaires, '' a déclaré Fred Chong, le professeur Seymour Goodman d'informatique à UChicago et chef de file de l'EPiQC. « Alors que les algorithmes quantiques traditionnels sont entièrement spécifiés au moment de l'exécution et donc entièrement optimisables en pré-exécution, les programmes variationnels ne sont que partiellement spécifiés au moment de l'exécution."

Compilation partielle

Les chercheurs abordent la question des programmes partiellement spécifiés avec une technique parallèle appelée compilation partielle. Pranav Gokhalé, un doctorant UChicago explique, "Bien que nous ne puissions pas complètement compiler un algorithme variationnel avant l'exécution, nous pouvons au moins pré-compiler les parties qui sont spécifiées." Pour les algorithmes variationnels typiques, cette simple heuristique suffit à elle seule, offrant des accélérations 2x dans l'exécution quantique par rapport aux techniques de compilation standard basées sur des portes. Étant donné que les qubits décroissent de façon exponentielle avec le temps, cette accélération de l'exécution conduit également à des réductions des taux d'erreur.

Pour les algorithmes plus compliqués, les chercheurs appliquent une deuxième couche d'optimisations qui caractérisent numériquement les variations dues aux paramètres non spécifiés, via un processus appelé optimisation des hyperparamètres. « Passer quelques minutes au réglage des hyperparamètres et à la compilation partielle permet de gagner des heures en temps d'exécution », résume Gokhale. Le professeur Chong note que ce thème de la réalisation d'économies en déplaçant les ressources, que ce soit entre l'informatique traditionnelle et quantique ou entre la compilation et l'exécution, fait écho dans plusieurs autres projets EPiQC.

Les chercheurs visent ensuite à démontrer leur travail expérimentalement. Une telle validation expérimentale n'est devenue possible que récemment, avec la sortie d'ordinateurs quantiques accessibles dans le cloud qui peuvent être contrôlés au niveau des impulsions analogiques. Ce niveau de contrôle est beaucoup plus proche du matériel que le contrôle standard basé sur la porte, et les chercheurs s'attendent à réaliser des gains d'efficacité plus importants grâce à cette interface d'impulsion.

L'article des chercheurs, "Partial Compilation of Variational Algorithms for Noisy Intermediate-Scale Quantum Machines" (lien arXiv) sera présenté à la conférence MICRO sur l'architecture informatique à Columbus, Ohio le 14 octobre. Les co-auteurs de Gokhale et Chong incluent Yongshan Ding, Thomas Propson, Christophe Winkler, Nelson Leung, Yunong Shi, David I. Schuster, et Henri Hoffmann, tous également de l'Université de Chicago.