Le Japon lance un prototype d'ordinateur quantique 100x plus rapide que les superordinateurs actuels

En novembre 2017, le Japon a dévoilé son premier prototype d'ordinateur quantique, mis gratuitement à la disposition du public via Internet pour des essais. Avec cette machine, le Japon a rejoint la course à la construction de l'ordinateur le plus puissant au monde avec une force brute plus grande, qui est la clé pour exploiter tout le potentiel de l'intelligence artificielle.

Le projet est développé par Nippon Telegraph and Telephone Corporation, l'université de Tokyo, l'Institut national d'informatique, l'université de Stanford, et financièrement soutenu par le programme ImPACT du gouvernement japonais.

La machine est basée sur un réseau neuronal quantique qui peut théoriquement résoudre des problèmes complexes environ 100 fois plus vite que les superordinateurs traditionnels. Ce qui est encore plus impressionnant, c'est qu'elle fait tout cela en ne consommant que 1 kilowatt de puissance, au lieu de 10 000 kilowatts utilisés par les superordinateurs conventionnels pour effectuer la même tâche. Voyons ce qu'ils ont exactement développé et comment cela fonctionne.

Réseaux neuronaux quantiques

Les réseaux neuronaux quantiques (QNN) utilisent des oscillateurs paramétriques optiques comme neurones quantiques et des circuits de rétroaction de mesure homodyne optique comme synapses quantiques. Il recherche une solution à plusieurs combinaisons de problèmes d'optimisation en exploitant la brisure de symétrie collective au seuil des oscillateurs paramétriques optiques.

De plus, les utilisateurs peuvent expérimenter ce que c'est réellement que de réaliser des expériences avec le QNN et des simulations basées sur la théorie quantique des réseaux d'oscillateurs paramétriques optiques.

En termes simples, dans un réseau neuronal quantique, les chercheurs essaient d'intégrer des modèles de réseaux neuronaux artificiels en utilisant les avantages de l'information quantique pour construire des applications plus efficaces. L'objectif est d'utiliser les caractéristiques du calcul quantique (parallélisme quantique, interférence, intrication) comme ressources. Cependant, il est assez difficile d'entraîner des réseaux neuronaux classiques, surtout dans les applications de big data.

QNNCloud

Si vous êtes intéressé par les principes et caractéristiques des réseaux neuronaux quantiques, QNNCloud propose 3 outils :

1. Un livre blanc élaborant la théorie quantique
2. Capacité de simulation quantique utilisant le superordinateur Shoubu
3. Calcul quantique utilisant QNN

QNNcloud est construit sur un réseau de 2000 oscillateurs paramétriques optiques avec des connexions programmables all-to-all, ce qui permet aux utilisateurs de résoudre des problèmes NP-Hard Max Cut de taille jusqu'à N=2000 sur des graphes complets (bien au-delà des limitations des ordinateurs quantiques actuels), sans effort d'intégration d'un graphe cible dans le matériel de la machine.

Des millions de problèmes existent qui impliquent l'optimisation continue et combinatoire, tels que l'optimisation de composés conducteurs dans le développement de bande de fréquence, la puissance de transmission dans les communications sans fil, la médecine, l'optimisation de portefeuille dans la FinTech, l'échantillonnage de Boltzmann dans l'apprentissage automatique, le codage parcimonieux pour la détection compressée, etc.

La majorité de ces problèmes relèvent des classes de complexité non-déterministe polynomiale (NP), NP-complet et NP-difficile. Ils nécessitent une quantité énorme de ressources computationnelles pour être résolus, car la taille du problème augmente à chaque itération.

Le système QNN utilise la recherche parallèle quantique en dessous du seuil des oscillateurs paramétriques optiques, la brisure de symétrie collective au seuil, et l'amplification exponentielle de probabilité au-dessus du seuil, pour faire face à ces limitations.

Dans un avenir proche, QNNcloud offrira un outil de simulation pour développer des algorithmes quantiques pour des applications réelles.

Matériel du QNN

Le matériel QNN n'est pas aussi compliqué qu'il n'y paraît. Dans une cavité en anneau de fibre d'un kilomètre de long, N=2000 impulsions d'oscillateur paramétrique optique sont créées simultanément en excitant l'instrument à guide d'onde LiNbO3 à poling périodique intra-cavité à l'aide d'une train d'impulsions à fréquence de 1 GHz.

Source : QNNcloud

Une variable binaire est représentée par les états de phase π et 0 de chaque impulsion d'oscillateur paramétrique optique. Toutes les impulsions sont générées dans une superposition de phase π et 0 en dessous du seuil, mais avec l'un des deux au-dessus du seuil. N'importe quelle paire de ces impulsions pourrait être couplée en mesurant leur amplitude séquentiellement.

Ici, mesurer fait référence à l'évaluation d'une amplitude d'impulsion de rétroaction appropriée avec FPGA (field programmable gate array). La rétroaction est ensuite injectée dans l'impulsion d'oscillateur paramétrique optique cible.

Les connexions all-to-all pour N=2000 impulsions sont exécutées à chaque aller-retour (qui dure 5 microsecondes). Lorsque le taux de pompage externe monte au-dessus du seuil, la solution est obtenue sous forme de configuration de phase π ou 0 après 10 à 1000 allers-retours.

Simulateur QNN

La dynamique du QNN peut être prédite théoriquement avec l'aide de l'équation maîtresse quantique, en considérant la réduction du paquet d'onde induite par les mesures. Le modèle est exécuté sur le superordinateur Shoubu, et une simulation parallèle massive permet de régénérer la dynamique du QNN en beaucoup moins de temps.

Budget et plans futurs

Actuellement, les États-Unis dépensent plus de 200 millions de dollars par an dans la recherche et le développement de la technologie de calcul quantique, tandis que la Chine construit prétendument un centre de recherche de 10 milliards de dollars pour les applications quantiques.

Le Japon, de son côté, a prévu de consacrer près de 267 millions de dollars au calcul quantique sur une décennie à partir d'avril 2018. De plus, Hitachi recherche des techniques de calcul quantique en partenariat avec l'université de Cambridge.

Les algorithmes pour différentes applications réelles, les outils de simulation pour développer de nouveaux algorithmes et un QNN avancé avec une architecture de réseau neuronal récurrent seront publiés à l'avenir. Actuellement, ils visent une commercialisation d'ici le premier trimestre 2020. Ils se concentreront sur des problèmes d'optimisation plus profonds avec l'optimisation mobile, la congestion du trafic urbain et la découverte de nouveaux médicaments et produits chimiques.

À lire : 10+ faits les plus intéressants sur les ordinateurs quantiques

Pendant ce temps, des géants technologiques comme Microsoft, IBM et Google travaillent sur leurs propres machines quantiques, et leurs tests montrent qu'une percée est à portée de main.