L’optimisation n’est pas qu’un mot à la mode. C’est l’épine dorsale de la logistique, de la finance et de l’imagerie médicale. Chaque secteur doit trouver la meilleure option parmi un océan de milliards de possibilités. Entrez les recuits quantiques. Les appareils de D-Wave Systems sont spécialement conçus pour ce type de levage de charges lourdes.
Mais il y a un problème. Un têtu et persistant.
Les qubits sont fragiles. Ils font des erreurs.
Lorsqu’un recuit quantique calcule, certains qubits s’effondrent dans le mauvais état. Cela semble mineur. Ce n’est pas le cas. Le taux d’erreur augmente de façon exponentielle. À mesure que la taille du problème augmente, le temps nécessaire pour trouver la bonne réponse devient incontrôlable. Le recuit quantique non assisté devient pratiquement inutile pour les grandes tâches du monde réel. Le matériel ne peut pas suivre son propre bruit.
Des chercheurs du CSIRO, l’agence scientifique nationale australienne, ont résolu ce goulot d’étranglement. Ils n’ont pas construit de nouveau processeur quantique. Ils ont écrit un nouveau logiciel. Leur méthode, appelée SEMO, est une technique d’optimisation d’atténuation des erreurs de spin. Il traite les résultats une fois le calcul quantique terminé.
Le résultat est stupéfiant. SEMO améliore d’un million de fois la rapidité avec laquelle un système trouve la solution globalement optimale aux problèmes d’optimisation combinatoire.
Pourquoi le post-traitement bat la correction des erreurs quantiques
La plupart des gens supposent que l’atténuation des erreurs signifie la Correction d’erreur quantique (QEC). C’est le Saint Graal de l’informatique quantique. C’est également incroyablement coûteux en termes de frais généraux matériels. QEC tente de protéger les qubits pendant le calcul en codant un qubit logique parmi des dizaines ou des centaines de qubits physiques.
Cela réduit considérablement le nombre de qubits utilisables dont vous disposez réellement.
Si vous êtes déjà à court de qubits, c’est un dealbreaker. SEMO saute cette pénalité. Il opère du côté classique, une fois le recuit effectué.
La logique est simple mais efficace. Les erreurs de qubit sont rares. Ils ne se dispersent pas uniformément dans le système. Au lieu de cela, ils forment des grappes isolées. Seule une infime fraction des tours se terminent mal. SEMO les traque.
L’algorithme fonctionne de manière itérative. Il choisit une rotation de référence aléatoire. Il génère des clusters de spins à proximité. Il teste si l’inversion de ces tours diminue la fonction objectif, le score mathématique que la machine tente de minimiser. Si le retournement aide, il se retourne. Si ça fait mal, on le laisse tranquille.
Il répète cette opération jusqu’à ce que chaque rotation ait été examinée deux fois.
Les frais généraux ? Modeste. L’ensemble du processus s’exécute sur un ordinateur classique en quelques millisecondes. C’est négligeable comparé aux secondes ou minutes économisées du côté quantique.
Test de SEMO sur la segmentation d’images 3D
La théorie, c’est bien. La preuve, c’est mieux.
L’équipe du CSIRO a testé SEMO sur un problème de segmentation d’images 3D corrélé issu de la science des matériaux. Plus précisément, ils ont utilisé la tomodensitométrie aux rayons X (tomodensitométrie) des microstructures matérielles. Le but ? Faites la distinction entre les phases à faible densité et les phases à haute densité sur des milliers de voxels.
Il s’agit d’une optimisation binaire quadratique sans contrainte, ou problème QUBO. La langue maternelle des recuits quantiques.
Sans SEMO, le recuit D-Wave Advantage a connu des difficultés. À mesure que le problème passait de 1 variable de rotation à 512, le temps moyen par solution correcte est passé de 0,1 milliseconde à plus de 100 secondes. C’est un ralentissement d’un million de fois. Le bruit tuait l’efficacité.
Avec SEMO appliqué, la courbe s’est aplatie. Presque entièrement.
Le temps par solution optimale oscillait autour de 0,1 milliseconde. La taille du problème importait peu.
“Les démonstrations quantitatives ont montré le potentiel du recuit quantique avec erreur dans la résolution de problèmes d’optimisation combinatoire complexes.” -YS Yang
La précision était également supérieure. SEMO tenait compte des corrélations entre les voxels voisins. Les méthodes classiques de descente de gradient restent souvent bloquées dans des minimums locaux sous-optimaux. Ils ne peuvent pas voir la situation dans son ensemble. Les résultats corrigés par SEMO ont fourni une carte binaire propre du matériau. Il a séparé les phases de composition avec une précision que les méthodes classiques ne peuvent tout simplement pas égaler.
Cette précision est importante. Une carte de matériaux fiable constitue la base de la modélisation du comportement de ce matériau sous contrainte, à la chaleur ou dans des conditions réelles.
battre les concurrents avec une large marge
Comment SEMO se compare-t-il aux méthodes existantes ?
Les chercheurs ont effectué des comparaisons avec le Greedy Solver de D-Wave et la technique Single-QubitCorrection. La différence était flagrante. Les méthodes concurrentes ont atteint des taux de réussite de quelques pour cent seulement dans la recherche de l’optimum global.
SEMO a atteint entre 82 % et 100 % de taux de réussite.
Cela n’a pas seulement amélioré les techniques existantes. Cela les a effacés.
Et voici le problème : SEMO ne se limite pas au matériel quantique.
Puisqu’il fonctionne sur du matériel classique, il peut affiner les résultats du recuit simulé. L’équipe l’a également testé là-bas. Le Greedy Solver et Single-QubitCorrection n’ont produit aucune amélioration mesurable dans les contextes de recuit simulé. SEMO a considérablement amélioré ces résultats. Il s’agit d’un outil universel pour quiconque optimise des systèmes complexes.
Là où cela compte ensuite
L’applicabilité s’étend bien au-delà de l’imagerie 3D.
SEMO opère au niveau des formulations Ising spin-glass et QUBQ. Ce sont les cadres mathématiques derrière d’innombrables problèmes. Itinéraires logistiques. Équilibrage du portefeuille financier. Cryptographie. Conception des matériaux. S’il peut être utilisé comme QUBO, SEMO peut probablement vous aider.
« La méthode aura un impact particulièrement important sur les applications critiques telles que l’optimisation en temps réel dans les scénarios industriels et de défense. »
L’optimisation en temps réel n’est pas un luxe. C’est une exigence. Si vous devez rediriger une flotte de drones ou rééquilibrer un algorithme de trading en quelques millisecondes, vous n’avez pas le temps que le bruit corrompt le résultat. SEMO garde le signal propre.
Le plafond matériel
Il y a un problème. Limites matérielles.
Les recuits quantiques actuels plafonnent à environ 5 000 qubits physiques. Cela limite la taille des problèmes pouvant être intégrés. Vous ne pouvez pas résoudre un graphe de 100 000 sommets si votre machine ne contient que 5 000 nœuds.
Mais cela change.
D-Wave déploie le système Advantage III. Il comportera 100 000 qubits. Cette expansion élargirait considérablement l’éventail des problèmes susceptibles d’être posés par SEMO.
Pour l’instant, la méthode constitue un pont. Cela rend le recuit quantique pratiquement utile pour les tâches complexes du monde réel. Cela ne nécessite pas de révolution quantique dans le matériel. Cela nécessite d’être plus intelligent quant à la couche classique qui entoure le processeur quantique.
Les améliorations les plus importantes viennent souvent des bords et non du cœur.
