"Tu vois, la nature est imprévisible. Comment comptez-vous le prédire avec un ordinateur ?", a déclaré le physicien américain Richard Feynman devant des informaticiens lors d'une conférence en 1981.

Quarante ans plus tard, Les ingénieurs de l'Université Purdue construisent le type de système que Feynman a imaginé surmonter les limitations des ordinateurs classiques d'aujourd'hui en agissant plus étroitement comme la nature :un « ordinateur probabiliste ».

L'équipe pense qu'un ordinateur probabiliste peut résoudre plus tôt certains des problèmes qu'un ordinateur quantique résoudrait, car il n'aurait pas besoin de matériel entièrement nouveau ou de températures extrêmement froides pour fonctionner.

Sur cette liste de problèmes à résoudre plus efficacement qu'avec les ordinateurs classiques, il y a des problèmes d'optimisation - la capacité de calculer la meilleure solution à partir d'un très grand nombre de solutions, telles que l'identification de la meilleure route pour les marchandises à voyager vers le marché.

En 2019, des chercheurs de l'Université Purdue et Tohoku au Japon ont démontré un ordinateur probabiliste, fait de "p-bits, " qui est capable de résoudre des problèmes d'optimisation souvent ciblés pour les ordinateurs quantiques, construit à partir de qubits.

"Classiquement, les probabilités ne peuvent être que des nombres positifs. Qubits, d'autre part, semblent être régis par des probabilités qui peuvent être des nombres négatifs ou même complexes, " a déclaré Supriyo Datta, Professeur distingué Thomas Duncan de Purdue en génie électrique et informatique, qui a dirigé l'équipe Purdue. "Mais il existe un sous-ensemble utile de problèmes pouvant être résolus avec des qubits qui peuvent également être résolus avec des p-bits. Vous pourriez dire qu'un p-bit est un" qubit du pauvre "."

Progresser vers l'imitation de la nature

Pourquoi recourir à un tout nouveau type d'informatique ? Ne cherchez pas plus loin que la "nature" dans une tasse de café, que les ordinateurs quantiques en cours de développement par des sociétés telles que Google et IBM n'ont pas encore déchiffré.

La structure moléculaire de la caféine est si complexe que les ordinateurs classiques ne peuvent pas effectuer les calculs nécessaires pour la comprendre pleinement. C'est parce que la caféine peut exister dans 10 ⁴⁸ différentes configurations atomiques, ou « états quantiques ». Un ordinateur classique, qui ne traite qu'un seul état quantique à la fois, aurait besoin de traiter de nombreux états à la fois comme le fait la nature pour capturer la caféine.

Cet obstacle empêche les scientifiques non seulement de mieux comprendre le comportement de la caféine, mais aussi de résoudre plus efficacement les problèmes de la recherche sur les médicaments, cryptage et cybersécurité, services financiers, analyse des données et logistique de la chaîne d'approvisionnement.

Chacun de ces domaines serait considérablement amélioré si les ordinateurs pouvaient prendre en compte plus de variables et les traiter en même temps.

Les chercheurs de Purdue considèrent l'informatique probabiliste comme une étape entre l'informatique classique et l'informatique quantique.

"Nous pouvions imaginer et être parfaitement heureux, Je pense, " Feynman avait dit, "avec un simulateur probabiliste de nature probabiliste, où la machine ne fait pas exactement ce que fait la nature, mais […] vous obtiendriez la probabilité correspondante avec la précision correspondante."

Résoudre des problèmes quantiques sans « devenir quantique »

Comme les ordinateurs classiques, un ordinateur probabiliste serait capable de stocker et d'utiliser des informations sous forme de zéros et de uns à température ambiante.

Et comme les ordinateurs quantiques, un ordinateur probabiliste pourrait traiter plusieurs états de zéros et de uns à la fois, sauf qu'un bit p fluctuerait rapidement entre zéro et un (d'où, "probabiliste"), alors qu'un qubit est une superposition de zéro et un. Sur une puce, ces fluctuations seraient corrélées entre p-bits mais intriquées en qubits.

L'idée à l'avenir est de peaufiner la technologie de mémoire couramment utilisée, des dispositifs appelés jonctions tunnel magnétiques, être volontairement instable afin que les bits p puissent fluctuer.

Depuis la démonstration du matériel pour un ordinateur probabiliste en 2019 et l'obtention d'un brevet par l'intermédiaire du Purdue Research Foundation Office of Technology Commercialization, l'équipe a également utilisé la technologie silicium existante pour émuler un ordinateur probabiliste avec des milliers de bits p à l'aide de matériel conventionnel accessible au public via Amazon Web Services.

Les chercheurs ont publié plusieurs articles au cours de la dernière année sur les développements vers l'intégration de composants matériels individuels, modéliser comment faire fonctionner le système à plus grande échelle et garantir l'efficacité énergétique à partir de zéro.

"Le verdict sur la meilleure implémentation d'un p-bit n'est pas encore sorti. Mais nous montrons ce qui fonctionne afin que nous puissions le comprendre en cours de route, " dit Joerg Appenzeller, Barry M. et Patricia L. Epstein de Purdue, professeur de génie électrique et informatique.

La recherche informatique probabiliste de l'université relève d'une initiative appelée Purdue-P. L'initiative fait partie du Discovery Park Center for Computing Advances by Probabilistic Spin Logic de Purdue, qui est soutenu par Semiconductor Research Corp. et la National Science Foundation. Le travail de l'équipe bénéficie également d'un financement de la Defense Advanced Research Projects Agency.

Les chercheurs sont peut-être les seuls à développer un ordinateur probabiliste de nom, mais d'autres dans le domaine développent une technologie similaire en utilisant des matériaux et des paradigmes différents.

« En tant que champ, nous regardons les problèmes informatiques que nous ne pouvons pas encore résoudre et pensons, "Il y a l'informatique numérique, il y a l'informatique quantique, qu'y a-t-il d'autre ?" " dit Kerem Camsari, un ancien chercheur postdoctoral de Purdue qui continue de collaborer avec le groupe en tant que professeur adjoint de génie électrique et informatique à l'Université de Californie, Santa Barbara.