Prevision.io a participé au workshop Near Intermediate Scale Quantum (#NISQ)

Michel

Ces dernières années, l'intérêt pour les technologies quantiques a fortement augmenté. Le domaine du Machine Learning n'y échappe pas puisqu'en 2018, un large nombre d'articles proposant des algorithmes quantiques pour le Machine Learning ont été publiés. À Washington D.C. (USA), (du 3 au 7 juin 2019) se tient chaque année deux conférences traitant des technologies quantiques : la Theory of Quantum Computation, Communication and Cryptography (#TQC2019) et le workshop Near Intermediate Scale Quantum (#NISQ). C’est donc l'opportunité d'aborder à la fois les aspects théoriques de l'informatique quantique et les aspects technologiques. Prevision.io y été et vous raconte.

Prevision.io et l'informatique quantique

Depuis plus d’un an, Prévision.io s'intéresse de près à l'informatique quantique en tant qu'accélérateur de sa solution de Machine Learning automatisée. Elle explore le potentiel des algorithmes quantiques à accélérer l'entraînement de modèles de Machine Learning. Par conséquent, l’équipe R&D en Quantum Computing de Prevision.io s’envole vers Washington D.C participer et exposer à ces conférences. C’est cinq jours ont pour but de réunir les experts en théorie de l’informatique quantique et en algorithmique quantique. Prevision.io a tout intérêt à participer pour, dans un premier temps se tenir informé des avancées en matière d’algorithmie quantique pour le Machine Learning et d’autre part c’est l’opportunité de confronter les résultats de recherches face à des experts.

Restution des 5 jours exposition

Theory of Quantum Computation, Communication and Cryptography

Cet événement a pour but de réunir l’ensemble de la communauté scientifique de l’informatique quantique théorique pour présenter et discuter des dernières avancées dans le domaine.

C'est par la présentation d'Ewin Tang, jeune et talentueuse chercheuse de l'Université de Washington, que commence le TQC avec un focus sur les algorithmes quantiques pour le Machine Learning. Elle y rappelle ses récents travaux qui ont consisté à proposer des algorithmes classiques à partir d'algorithmes quantiques. Elle donne les conditions dans lesquelles on pourra espérer une accélération par rapport aux algorithmes classiques.

Les présentations très théoriques s'enchaînent avec des présentations plus pédagogiques, telles que celle de Claude Crépeau, qui nous explique l'intrication entre deux particules avec une analogie portant sur des voleurs interrogés au commissariat.

Au-delà des présentations académiques, c'est aussi l'occasion pour les industriels de faire leur apparition : Google, IBM, Cambridge Quantum Computing, Microsoft, Raytheon et Baidu ont chacun eu un moment pour présenter leur projet quantique. Microsoft en particulier annonce que son langage de programmation quantique Q# sera open source d'ici l'été 2019 (nous avons hâte !)

Le workshop Near Intermediate Scale Quantum

A NISQ, les présentations sont plus accessibles pour des personnes non expertes dans le Quantum Computing car les intervenants ont une approche plus pédagogique, plus illustré et plus en lien avec des applications pratique pour l’informatique quantique avec de question très concrètes telles que : les limites d’un processeur quantique ? application algo sur des machines existantes avec peu de Qubit (ex : <100 IBM)

C’est avec Christopher Monroe (University of Maryland) que commence la conférence en montrant ses avancées dans le domaine des ordinateurs quantiques à technologie des ions piégés. Principalement, il annonce que la scalabilité de la technologie à ions piégés viendra à un coût : il faudra abandonner la possibilité d'intriquer chaque qubit avec un autre et opter plutôt pour une solution où l'intrication sera locale: au maximum avec une dizaine de plus proches voisins. Il ajoute que des expérimentations avec des connexions photoniques devraient suivre pour étudier la scalabilité de ces machines jusqu'à plusieurs centaines de qubits.

John Preskill , physicien renommé de la California Institute of Technology (Caltech), c’est à lui que l’on doit le nom de cette conférence (NISQ). Il commence sa présentation par :

"I made up a word! And they made a workshop after it!"

Pour rappel, il a créé le terme NISQ en 2018 qui est devenu une référence dans le vocabulaire quantique.

Les machines NISQ* sont des plateformes qui verront le jour dans les prochaines années, elles auront un faible nombre de qubit (une centaine) et dont la puissance sera limitée par un bruit intrinsèque. Il insiste sur le fait que l'ordinateur quantique est performant si les entrées et les sorties sont des états quantiques. En revanche, si des données classiques doivent être transférées à un ordinateur quantique, alors on pourrait bien perdre une grande partie de leur efficacité.

Hanhee Paik , chercheuse à IBM, nous présente des résultats concernant le "volume" d'un ordinateur quantique supraconducteur. Il s'agit d'une métrique quantifiant les performances du processeur. Elle prend en compte notamment le temps de cohérence des qubits, le taux de fidélité des portes et le taux de fidélité de la lecture des sorties. Elle nous rappelle que les plateformes d'IBM sont déjà accessibles sur le cloud et que n'importe qui peut lancer des calculs sur une machine à 5 qubits. Elle propose également la création d'un benchmark pour quantifier l'évolution des performances des ordinateurs quantiques.

Krysta Svore , directrice des applications quantiques chez Microsoft, promeut un développement d'algorithmes en cohérence avec les applications. Elle met en avant l'importance d'innover en quantique pour faire progresser les algorithmes classiques. Elle présente les travaux de Maria Schuld sur les circuits variationnels: des circuits quantiques que l'on peut optimiser avec un algorithme de descente de gradient, comme les réseaux de neurones. Prevision.io travaille sur ces algorithmes pour l’appliquer à des problèmes de classification et d’apprentissage par renforcement.

Prevision.io expose ses recherches en Quantum Computing

Le dernier jour, académiques & industriels ont présenté leurs travaux de recherches lors d’une session de Posters. Prevision.io (unique startup française) a confronté ses résultats concernant l’optimisation des hyperparamètres des circuits variationnels à de nombreux chercheurs renommés dont Kenneth R Brown. Cette après-midi d’exposition a été riche en échanges positifs et inspirants, nous poussant à des pistes d’améliorations concrètes.

La conférence se conclut après 5 jours intenses. Elle a été l'opportunité de nous retrouver entre chercheurs du même domaine, de progresser à travers des présentations académiques et industrielles et d'échanger sur toutes les thématiques entourant l'avènement de l'ère de l'informatique quantique.

NISQ = Noisy Intermediat Scale Quantum

Noisy : Qubits bruités

Intermediat Scale : faible nombre de Qubits

Quantum : ordinateur quantique

Nowak -