Les ordinateurs quantiques parfaits, capables de réaliser de longs calculs sans erreur, n’arriveront pas avant quelques dizaines d’années. En attendant, des chercheurs du laboratoire national américain de Los Alamos (Texas) cherchent à tirer le meilleur des machines actuelles, comptant peu de qubits, sensibles à la décohérence et aux erreurs, dits calculateurs Nisq (pour noisy intermediate-scale quantum, ou quantique d'échelle intermédiaire bruité).
Dans une publication parue le 12 août dans la revue Nature Reviews Physics, les scientifiques présentent un nouveau type d’algorithme qui mêle informatique classique et quantique pour exploiter au mieux les capacités de ces machines imparfaites : les algorithmes quantiques variationnels.
Faire de tout problème un problème d’optimisation
«Avec les algorithmes quantiques variationnels, nous tirons le meilleur des deux mondes, argue Marco Cerezo, premier auteur de la publication, sur le site du laboratoire. Nous pouvons exploiter le pouvoir des calculateurs quantiques pour les tâches que les ordinateurs conventionnels ne peuvent pas faire facilement et utiliser les ordinateurs classiques pour complémenter la puissance de calcul des dispositifs quantiques»
Si les calculateurs quantiques actuels «ne peuvent pas exécuter de longs algorithmes», rappelle le physicien, ceux-ci s’avèrent particulièrement efficaces pour résoudre des problèmes d’optimisation. Des problèmes mathématiques utiles dans la simulation de matériaux et de molécules, la factorisation de grands nombres, l’analyse de données massives… «Nous avons réalisé que nous pouvons faire de tout problème d’intérêt un problème d’optimisation», avance Patrick Coles, spécialiste d’algorithmique quantique ayant participé aux recherches, qui envisage «atteindre potentiellement un avantage quantique». Ainsi, plutôt que demander à un ordinateur quantique de résoudre de longs algorithmes, les chercheurs les transforment en problèmes d'optimisation plus simples à résoudre.
Telle est la base du fonctionnement des algorithmes variationnels. D'un côté, un ordinateur conventionnel prépare le travail en adaptant un problème mathématique donné en un problème d'optimisation... qu'il envoie, de l'autre côté, à son équivalent quantique. La qualité du résultat obtenu par le processeur quantique est alors mesurée grâce à la "fonction de coût", expression mathématique qui mesure la manière dont un algorithme a réalisé une tache d'optimisation : lorsqu’elle atteint sa valeur la plus faible, le problème est résolu.
Tant que cette valeur optimale n'est pas atteinte, le calculateur classique améliore les paramètres qu'il renvoie aux qubits. D'où le terme d'algorithmes variationnels : les paramètres et le fonctionnement de l'algorithme varient à chaque échange entre les processeurs pour atteindre le meilleur résultat... et résoudre le problème.
Si, dans les années 1990, beaucoup d'algorithmes étaient conçus pour des ordinateurs quantiques idéalisés, de grande échelle et tolérants aux erreurs, ce nouveau type d'algorithmique montre un changement d'approche. «La communauté a réalisé qu’il fallait une approche s’adaptant aux contraintes du matériel disponible», argue Patrick Coles.
Leur publication se veut ainsi une introduction à un domaine nouveau… Qui s'inscrit dans un consensus de plus en plus adopté : selon l'Union européenne notamment, l'hybridation des supercalculateurs et des ordinateurs quantiques serait la meilleure solution pour atteindre un avantage quantique à court terme.
