A-t-on une idée précise des éléments qui consomment le plus d’énergie dans un ordinateur quantique ?
Non. Et on ne sait pas non plus, à date, si une technologie de qubit sera moins énergivore qu’une autre, faute d’avoir un consensus sur les ressources qui doivent être comptabilisées. On cite souvent la cryogénie, employée pour refroidir les qubits supraconducteurs notamment, mais son usage est très différent chez Quandela (où elle est employée pour refroidir les sources de photons individuels, ndlr), par exemple.
Rob Whitney (autre physicien contributeur au projet OECQ, ndlr) et moi-même pilotons un groupe de travail à l’IEEE (Institute of electrical and electronic engineers, ndlr) afin d'établir un standard pour mesurer l’efficacité énergétique d’un calculateur quantique. Le but du jeu, c’est de se mettre d’accord sur les ressources à prendre en compte. Notre projet OECQ, qui se concentre sur la R&D, est une application directe de ce standard que l’on développe à IEEE.
Ce projet OECQ se consacre notamment à «l’exploration d’un avantage énergétique quantique», notion déjà présentée par la Quantum energy initiative (QEI). L’ordinateur quantique sera-t-il moins énergivore que son équivalent classique ?
Quand on pense à l’intérêt des calculateurs quantiques, on fait généralement référence à leur avantage computationnel. La logique quantique et le parallélisme des opérations logiques aidant, les mêmes algorithmes seront exécutés avec moins d’étapes physiques que sur un ordinateur classique et la rapidité de calcul augmentera de façon exponentielle. C’est l’objectif poursuivi par toute la communauté.
On pourrait imaginer que plus le calcul est rapide, moins on consomme. Mais pas du tout. L’un des objectifs de la QEI est précisément d’inciter la communauté à comparer les coûts énergétiques d’un ordinateur classique et d’un ordinateur quantique (simulé, puisqu’il n’existe pas encore). Notre équipe de recherche a effectué un travail préliminaire sur le cas d’un ordinateur basé sur des qubits supraconducteurs, très idéalisé, qui serait utilisé pour «craquer» une clé de chiffrement RSA (un algorithme de chiffrement très répandu pour sécuriser des échanges de données, ndlr).
Nous avons montré que ce régime d’avantage quantique, pour la durée du calcul ou pour l’énergie du calcul, n’est pas atteint pour les mêmes tailles de clé. Il existe donc deux méthodes d’optimisation distinctes pour un calculateur quantique : l’optimisation du temps de calcul et l’optimisation de la consommation énergétique, chacune conduisant à un régime opératoire différent des processeurs quantiques.
C’est le message du projet OECQ : il faut choisir entre un calculateur quantique plus rapide et un moins énergivore, deux critères pas totalement orthogonaux mais qui ouvrent des horizons différents.
Quelle sera votre méthodologie ?
Elle sera interdisciplinaire, combinant plusieurs expertises et niveaux de description des systèmes. Ce qui se comprend en regardant l’expression de l’efficacité énergétique, sous la forme d’un ratio. Le numérateur reflète les performances, par exemple la taille de clé de chiffrement que l’on «casse» ou la fidélité, c’est-à-dire le degré de précision avec lequel on prépare un état quantique.
Ces performances dépendent étroitement de ce qui se passe au niveau quantique dans le processeur. Cela parle aux physiciens, aux personnes qui fabriquent le hardware du processeur, aux développeurs des algorithmes quantiques…
Au dénominateur se trouve le coût en ressources. Ce sont les lasers, la cryogénie, l’électronique… En somme toutes les technologies habilitantes régies par la physique classique. L’enjeu est donc de connecter ces deux niveaux de description.
En pratique, l’idée est de viser une performance cible qui, si le travail de modélisation est précis, va contraindre un grand nombre de paramètres physiques. Au dénominateur, on veut minimiser le coût en fonction de cette contrainte. Mathématiquement parlant, cette méthodologie se résume à de la minimisation sous contrainte. Mais sa mise en œuvre va demander beaucoup de travail car la modélisation se retrouve à tous les étages.
Il faut au préalable réaliser l’inventaire des paramètres d’optimisation, c’est-à-dire connaître les « boutons » que l’expérimentateur peut utiliser pour changer les performances ou les ressources consommées. Il faut aussi identifier les ressources à prendre en compte, construire les modèles traduisant la performance… Avec tout cela sous la main, la minimisation sous contrainte est possible et se reflètera sur la façon de concevoir la puce quantique avant de la fabriquer.
Cette recherche de l’efficacité énergétique peut-elle être un frein à l’innovation ?
Le projet OECQ est une tentative de réconcilier la finitude des ressources avec un potentiel d’innovation. Aujourd’hui, la société est polarisée. D’un côté, l’innovation est décriée, notamment à cause de l’effet rebond. De l’autre, c’est le déni, la course en avant, avec l’espoir que l’innovation «rachète» notre investissement en résolvant les problèmes.
Les deux seules options envisagées seraient donc la décroissance et le techno-solutionnisme. Grâce au projet OECQ, on essaye de trouver un entre-deux : continuons d’innover mais intégrons dans le modèle le fait que les ressources ont une fin. L’optimisation de l’efficacité énergétique est la première chose que l’on peut faire. C’est une troisième voie pour l’innovation.
