L’intelligence artificielle pourrait contribuer à faire des ordinateurs quantiques une réalité

L’intelligence artificielle pourrait-elle aider à surmonter l’un des plus gros obstacles de l’informatique quantique ?

De nouvelles recherches menées par l’agence nationale australienne des sciences ont montré que l’intelligence artificielle pourrait contribuer à résoudre les erreurs informatiques quantiques. Il s’agit d’une étape clé qui pourrait un jour permettre aux ordinateurs quantiques de résoudre des problèmes complexes du monde réel.

Recherche du CSIRO, publiée sous forme de lettre dans Recherche sur l’examen physique Une revue a découvert pour la première fois que l’IA pourrait aider à traiter et à résoudre les erreurs quantiques connues sous le nom de bruit de qubit, qui sont générées par la nature de la physique quantique.

Surmonter ces erreurs est largement considéré comme le plus grand obstacle au passage des ordinateurs quantiques avancés de l’expérience à l’outil.

Dans les ordinateurs classiques, les informations sont stockées et traitées en « bits », qui fonctionnent selon le principe des nombres binaires. Chaque bit peut représenter soit 0, soit 1. Mais les dispositifs informatiques quantiques sont constitués de bits quantiques, ou « qubits ».

Ces ordinateurs travaillent sur les propriétés particulières de la mécanique quantique, ce qui leur permet de représenter 0, 1 ou les deux à la fois. Cela devrait leur permettre de disposer d’une immense puissance de calcul, leur permettant de résoudre des problèmes hors de portée des ordinateurs classiques.

Mais la nature délicate des qubits conduit également les ordinateurs quantiques à générer du « bruit », c’est-à-dire des erreurs, dans leurs sorties. Pour y remédier, des codes de correction d’erreurs quantiques sont utilisés pour détecter et corriger les erreurs.

Le CSIRO a mis en œuvre un décodeur de syndrome de réseau neuronal IA pour détecter les erreurs et apporter les corrections appropriées. Le chef de l’équipe des systèmes quantiques Data61 du CSIRO, le Dr Muhammad Usman, a déclaré que ce travail peut traiter efficacement les erreurs complexes du matériel quantique réel.

« Notre travail établit pour la première fois qu’un décodeur basé sur l’apprentissage automatique peut, en principe, traiter les informations d’erreur obtenues directement à partir de mesures sur les appareils IBM et suggérer des corrections appropriées malgré la nature très complexe du bruit », a-t-il déclaré.

« Dans notre travail, nous n’observons pas de suppression d’erreur lorsque la distance du code de correction d’erreur est augmentée, comme prévu théoriquement, en raison des niveaux de bruit actuellement élevés (au-dessus du seuil de code) dans les processeurs quantiques IBM. »

Des codes de correction d’erreurs quantiques ont été développés pour lutter contre le bruit physique sous-jacent des qubits en diffusant des informations logiques sur de nombreux qubits physiques.

Ces codes interprètent les informations d’erreur en mesurant les stabilisateurs au sein d’un réseau de qubits, ce que l’on appelle une mesure de syndrome. Une mise en œuvre efficace, rapide et évolutive d’une étape de traitement de syndrome coûteuse en calculs est essentielle pour les performances globales des codes de correction d’erreurs quantiques.

Pour améliorer l’efficacité de cette correction, le Dr Usman a mis en œuvre et formé un décodeur de syndrome de réseau neuronal artificiel.

Les performances du décodeur de réseau neuronal ont été directement évaluées sur les processeurs quantiques IBM, démontrant qu’il peut traiter efficacement les erreurs complexes du matériel quantique réel et apporter les corrections appropriées.

La recherche suggère qu’à mesure que les taux d’erreurs physiques seront réduits au cours des prochaines années, l’IA pourrait permettre la suppression des erreurs avec l’augmentation de la distance du code, atteignant même une tolérance totale aux pannes lorsque la distance du code devient suffisamment grande.