Les qubits peuvent être dans une superposition de 0 et 1, tandis que les bits classiques ne peuvent être que l'un ou l'autre. Crédit :Jerald Pinson
L'informatique quantique promet d'exploiter les propriétés étranges de la mécanique quantique dans des machines qui surpasseront même les supercalculateurs les plus puissants d'aujourd'hui. Mais l'étendue de leur application, il s'avère, n'est pas tout à fait clair.
Pour réaliser pleinement le potentiel de l'informatique quantique, les scientifiques doivent commencer par les bases :développer des procédures étape par étape, ou algorithmes, pour que les ordinateurs quantiques effectuent des tâches simples, comme la factorisation d'un nombre. Ces algorithmes simples peuvent ensuite être utilisés comme blocs de construction pour des calculs plus complexes.
Prasanth Shyamsundar, chercheur associé postdoctoral au Fermilab Quantum Institute du Département de l'énergie, a fait exactement cela. Dans un article de préimpression publié en février, il a annoncé deux nouveaux algorithmes qui s'appuient sur les travaux existants dans le domaine pour diversifier davantage les types de problèmes que les ordinateurs quantiques peuvent résoudre.
"Il y a des tâches spécifiques qui peuvent être effectuées plus rapidement à l'aide d'ordinateurs quantiques, et je suis intéressé à comprendre ce que c'est, " a déclaré Shyamsundar. " Ces nouveaux algorithmes effectuent des tâches génériques, et j'espère qu'ils inspireront les gens à concevoir encore plus d'algorithmes autour d'eux."
les algorithmes quantiques de Shyamsundar, en particulier, sont utiles lors de la recherche d'une entrée spécifique dans une collection de données non triées. Prenons l'exemple d'un jouet :supposons que nous ayons une pile de 100 disques vinyles, et nous chargeons un ordinateur de trouver le seul album de jazz dans la pile.
Classiquement, un ordinateur devrait examiner chaque enregistrement individuel et décider par oui ou par non s'il s'agit de l'album que nous recherchons, sur la base d'un ensemble donné de critères de recherche.
"Vous avez une question, et l'ordinateur vous donne une sortie, " dit Shyamsundar. " Dans ce cas, la requête est la suivante :cet enregistrement satisfait-il à mon ensemble de critères ? Et la sortie est oui ou non."
Trouver l'enregistrement en question ne peut prendre que quelques requêtes s'il se trouve près du sommet de la pile, ou plus près de 100 requêtes si l'enregistrement est proche du bas. En moyenne, un ordinateur classique localiserait le bon enregistrement avec 50 requêtes, ou la moitié du nombre total dans la pile.
Un ordinateur quantique, d'autre part, localiserait l'album de jazz beaucoup plus rapidement. C'est parce qu'il a la capacité d'analyser tous les enregistrements à la fois, en utilisant un effet quantique appelé superposition.
Avec cette propriété, le nombre de requêtes nécessaires pour localiser l'album de jazz n'est que d'environ 10, la racine carrée du nombre d'enregistrements dans la pile. Ce phénomène est connu sous le nom d'accélération quantique et est le résultat de la façon unique dont les ordinateurs quantiques stockent les informations.
L'avantage quantique
Un ordinateur quantique peut amplifier les probabilités de certains enregistrements individuels et en supprimer d'autres, comme indiqué par la taille et la couleur des disques dans la superposition de sortie. Les techniques standards ne sont capables d'évaluer que des scénarios booléens, ou ceux auxquels on peut répondre par oui ou par non. Crédit :Prasanth Shyamsundar
Les ordinateurs classiques utilisent des unités de stockage appelées bits pour enregistrer et analyser les données. Un bit peut être affecté à l'une des deux valeurs :0 ou 1.
La version quantique de ceci s'appelle un qubit. Les qubits peuvent également être 0 ou 1, mais contrairement à leurs homologues classiques, ils peuvent également être une combinaison des deux valeurs en même temps. C'est ce qu'on appelle la superposition, et permet aux ordinateurs quantiques d'évaluer plusieurs enregistrements, ou des États, simultanément.
"Si un seul qubit peut être dans une superposition de 0 et 1, cela signifie que deux qubits peuvent être dans une superposition de quatre états possibles, " a déclaré Shyamsundar. Le nombre d'états accessibles augmente de façon exponentielle avec le nombre de qubits utilisés.
Semble puissant, droit? C'est un énorme avantage lorsque l'on aborde des problèmes qui nécessitent une puissance de calcul importante. Le mauvais côté, cependant, est que les superpositions sont de nature probabiliste, ce qui signifie qu'elles ne produiront pas de résultats précis sur les états individuels eux-mêmes.
Pensez-y comme à un tirage au sort. Quand dans l'air, l'état de la pièce est indéterminé; il a une probabilité de 50 % d'atterrir soit pile soit face. Ce n'est que lorsque la pièce atteint le sol qu'elle atteint une valeur qui peut être déterminée avec précision.
Les superpositions quantiques fonctionnent de manière similaire. Ils sont une combinaison d'états individuels, chacun avec sa propre probabilité d'apparaître lorsqu'il est mesuré.
Mais le processus de mesure ne réduira pas nécessairement la superposition à la valeur que nous recherchons. Cela dépend de la probabilité associée à l'état correct.
"Si nous créons une superposition d'enregistrements et la mesurons, on n'aura pas forcément la bonne réponse, " a déclaré Shyamsundar. "Cela va juste nous donner l'un des records."
Pour tirer pleinement parti de l'accélération offerte par les ordinateurs quantiques, alors, les scientifiques doivent d'une manière ou d'une autre être en mesure d'extraire le bon enregistrement qu'ils recherchent. S'ils ne peuvent pas, l'avantage sur les ordinateurs classiques est perdu.
Amplifier les probabilités d'états corrects
Heureusement, les scientifiques ont développé il y a près de 25 ans un algorithme qui effectuera une série d'opérations sur une superposition pour amplifier les probabilités de certains états individuels et en supprimer d'autres, en fonction d'un ensemble donné de critères de recherche. Cela signifie que lorsque vient le temps de mesurer, la superposition s'effondrera très probablement dans l'état qu'ils recherchent.
De nouveaux algorithmes d'amplification étendent l'utilité des ordinateurs quantiques pour gérer des scénarios non booléens, permettant une plage étendue de valeurs pour caractériser des enregistrements individuels, tels que les scores attribués à chaque disque dans la superposition de sortie ci-dessus. Crédit :Prasanth Shyamsundar
Mais la limitation de cet algorithme est qu'il ne peut être appliqué qu'à des situations booléennes, ou ceux qui peuvent être interrogés avec une sortie oui ou non, comme chercher un album de jazz dans une pile de plusieurs disques.
Les scénarios avec des sorties non booléennes présentent un défi. Les genres musicaux ne sont pas définis avec précision, donc une meilleure approche du problème des disques de jazz pourrait être de demander à l'ordinateur d'évaluer les albums selon leur degré de "jazz". Cela pourrait ressembler à attribuer à chaque enregistrement un score sur une échelle de 1 à 10.
Précédemment, les scientifiques devraient convertir des problèmes non booléens comme celui-ci en problèmes avec des sorties booléennes.
"Vous définiriez un seuil et diriez que tout état en dessous de ce seuil est mauvais, et tout état au-dessus de ce seuil est bon, " a déclaré Shyamsundar. Dans notre exemple de disque de jazz, ce serait l'équivalent de dire que tout ce qui est noté entre 1 et 5 n'est pas du jazz, alors que quelque chose entre 5 et 10 est.
Mais Shyamsundar a étendu ce calcul de telle sorte qu'une conversion booléenne n'est plus nécessaire. Il appelle cette nouvelle technique l'algorithme d'amplification d'amplitude quantique non booléen.
« Si un problème nécessite une réponse par oui ou par non, le nouvel algorithme est identique au précédent, " a déclaré Shyamsundar. " Mais cela devient maintenant ouvert à plus de tâches; il y a beaucoup de problèmes qui peuvent être résolus plus naturellement en termes de score plutôt qu'en résultat par oui ou par non."
Un deuxième algorithme introduit dans l'article, surnommé l'algorithme d'estimation de la moyenne quantique, permet aux scientifiques d'estimer la note moyenne de tous les enregistrements. En d'autres termes, il peut évaluer à quel point la pile est "jazzy" dans son ensemble.
Les deux algorithmes évitent d'avoir à réduire les scénarios en calculs avec seulement deux types de sortie, et permet à la place une gamme de sorties pour caractériser plus précisément les informations avec une accélération quantique par rapport aux méthodes de calcul classiques.
Des procédures comme celles-ci peuvent sembler primitives et abstraites, mais ils constituent une base essentielle pour des tâches plus complexes et utiles dans le futur quantique. Au sein de la physique, les algorithmes nouvellement introduits pourraient éventuellement permettre aux scientifiques d'atteindre les sensibilités cibles plus rapidement dans certaines expériences. Shyamsundar prévoit également d'exploiter ces algorithmes pour une utilisation dans l'apprentissage automatique quantique.
Et en dehors du domaine de la science ? Les possibilités sont encore à découvrir.
"Nous sommes encore aux premiers jours de l'informatique quantique, " Shyamsundar a dit, notant que la curiosité stimule souvent l'innovation. "Ces algorithmes vont avoir un impact sur la façon dont nous utiliserons les ordinateurs quantiques à l'avenir."
