Google DeepMind et Google Quantum AI ont récemment dévoilé les détails de leur percée collaborative, qui combine les connaissances en apprentissage automatique et l’expertise en correction des erreurs quantiques afin d’accélérer les ordinateurs quantiques et d’améliorer leur précision et leur fiabilité. Dans un article publié dans Nature, Google a présenté AlphaQubit, un décodeur dopé à l’IA conçu pour s’attaquer à la détection des erreurs, l’un des défis les plus complexes du domaine. AlphaQubit utilise un réseau neuronal de 241 qubits pour améliorer de 6 % la précision de l’identification des erreurs, établissant ainsi une nouvelle référence en matière de fiabilité des systèmes quantiques.
S’attaquer à la fragilité de l’informatique quantique
Les ordinateurs quantiques exploitent des propriétés quantiques uniques telles que la superposition et l’intrication pour résoudre des problèmes de manière exponentiellement plus rapide que les machines classiques. Cependant, les qubits — les unités fondamentales des ordinateurs quantiques — sont extrêmement sensibles aux perturbations causées par des défauts matériels microscopiques, les interférences électromagnétiques, la chaleur, les vibrations ou même les rayons cosmiques. Ces instabilités rendent la correction des erreurs quantiques cruciale pour le progrès de la technologie.
AlphaQubit s’attaque à ce problème à l’aide de réseaux neuronaux fondés sur l’architecture Transformer, un modèle qui alimente les systèmes d’IA avancés comme les grands modèles de langage. Le système traite les données issues de contrôles de cohérence effectués sur des qubits logiques afin de détecter « les erreurs de l’informatique quantique avec une précision à la pointe du secteur ».
Une précision record
« Nous avons commencé par entraîner notre modèle à décoder les données d’un ensemble de 49 qubits au sein d’un processeur quantique Sycamore, l’unité de calcul centrale de l’ordinateur quantique », ont écrit les équipes de Google DeepMind et Quantum AI dans un article de blog. « Pour apprendre à AlphaQubit le problème général du décodage, nous avons utilisé un simulateur quantique afin de générer des centaines de millions d’exemples dans une variété de configurations et de niveaux d’erreur. »
AlphaQubit a affiché 6 % d’erreurs en moins que les méthodes de réseaux tensoriels, très précises mais lentes. Lorsqu’il a été comparé aux décodeurs à appariement corrélé, plus rapides, AlphaQubit les a surpassés avec une précision supérieure de 30 %. Le décodeur d’IA s’est également distingué lors des tests de montée en charge, en identifiant avec succès les erreurs dans des systèmes simulés comptant jusqu’à 241 qubits, dépassant ainsi les capacités matérielles actuelles de Sycamore.
Malgré son succès, AlphaQubit n’est pas parfait. Il n’est pas encore suffisamment rapide pour corriger les erreurs en temps réel sur les processeurs quantiques supraconducteurs les plus rapides d’aujourd’hui, qui effectuent des millions de contrôles par seconde. Le système nécessite également de grandes quantités de données d’entraînement, ce qui pourrait devenir problématique à mesure que les dispositifs quantiques gagnent en taille et en complexité.
Google considère toutefois qu’il ne s’agit que d’un début. En combinant les avancées de l’apprentissage automatique et de la correction des erreurs quantiques, l’entreprise ambitionne de construire des ordinateurs quantiques fiables capables de résoudre des problèmes concrets. Consultez l’article complet sur le site de Nature pour en savoir plus.