Le monde qui nous entoure est rempli de systèmes qui évoluent au fil du temps, des courants tourbillonnants d'une rivière à la propagation d'une maladie au sein d'une population. Les scientifiques décrivent ces changements à l'aide de règles mathématiques appelées équations différentielles. Pour les systèmes simples où les éléments interagissent de manière directe et proportionnelle, ces règles sont bien comprises et faciles à résoudre avec des ordinateurs standards. Cependant, les phénomènes les plus intéressants et complexes de la nature — comme la turbulence d'une tempête ou le comportement du plasma dans une étoile — impliquent des interactions non linéaires. Dans ces cas, l'effet d'un changement n'est pas simplement proportionnel à la cause ; de légères variations peuvent conduire à des résultats radicalement différents. Résoudre les équations de ces systèmes non linéaires est notoirement difficile pour les ordinateurs classiques, nécessitant souvent des quantités immenses de temps et d'énergie pour approximer une solution.

Pendant des décennies, les chercheurs ont espéré que les ordinateurs quantiques, qui fonctionnent selon les lois étranges de la mécanique quantique, pourraient résoudre ces problèmes difficiles beaucoup plus rapidement. Le défi résidait dans le fait que les ordinateurs quantiques sont fondamentalement des machines linéaires ; ils évoluent selon des règles qui sont strictement proportionnelles et prévisibles. Ils ne gèrent pas naturellement les interactions non linéaires désordonnées que l'on trouve dans le monde réel. Pour combler ce fossé, les scientifiques ont développé une technique appelée linéarisation de Carleman. Cette méthode prend un système non linéaire et le projette dans un espace de dimension bien plus élevée où il peut être décrit comme un système linéaire. C'est comme prendre un nœud de ficelle emmêlé et l'étirer en une longue ligne droite ; la complexité demeure, mais les règles pour le déplacer deviennent plus simples. L'espoir est qu'une fois le problème linéarisé, un ordinateur quantique puisse le résoudre efficacement. Cependant, pour que cela fonctionne, la transformation mathématique doit être stable, ce qui signifie que les erreurs introduites par l'étirement du problème dans une dimension supérieure ne doivent pas devenir incontrôlables.

Une percée récente réalisée par une équipe de chercheurs de PsiQuantum et du Laboratoire national de Los Alamos a considérablement élargi la gamme de problèmes non linéaires pouvant être résolus de cette manière. Dans un article publié dans la revue Quantum, les auteurs ont corrigé des failles techniques dans les tentatives précédentes d'utilisation de cette méthode et ont prouvé qu'elle fonctionne pour une classe de systèmes physiques bien plus large qu'on ne le pensait auparavant. Leur travail dépasse la catégorie étroite des systèmes qui perdent simplement de l'énergie au fil du temps, connus sous le nom de systèmes dissipatifs, pour inclure des systèmes qui sont stables mais ne perdent pas nécessairement d'énergie, ainsi que des systèmes qui oscillent ou conservent des quantités comme la masse ou la quantité de mouvement. En établissant des conditions rigoureuses sous lesquelles les erreurs mathématiques restent faibles, ils ont démontré que les ordinateurs quantiques pourraient un jour simuler ces dynamiques complexes du monde réel avec une vitesse que les ordinateurs classiques ne peuvent égaler.

Le cœur de la réussite des chercheurs réside dans la correction du fondement mathématique de la méthode de Carleman. Des études antérieures suggéraient que cette approche ne fonctionnait que pour des systèmes où la non linéarité était très faible par rapport à la capacité du système à dissiper l'énergie. Le nouveau travail démontre que cette restriction était basée sur des preuves incomplètes et des hypothèses erronées. L'équipe a montré que la méthode fonctionne en réalité pour tout système stable, c'est-à-dire que son comportement reste borné et n'explose pas vers l'infini, même s'il ne perd pas d'énergie. Ils ont prouvé que pour chaque système stable, il existe une condition mathématique spécifique qui garantit que la linéarisation convergera vers la bonne réponse. Cette condition dépend de la structure interne du système et de la manière dont ses parties interagissent, plutôt que de la quantité d'énergie qu'il perd.

De plus, les chercheurs ont étendu ces résultats aux systèmes qui possèdent des quantités conservées, telles que la quantité totale de fluide dans un récipient fermé ou la charge totale dans un circuit électrique. Ces systèmes sont souvent marginalement stables, ce qui signifie qu'ils ne perdent ni ne gagnent d'énergie, mais maintiennent simplement un équilibre. Les méthodes précédentes peinaient à gérer ces cas, mais la nouvelle analyse offre un moyen de les traiter en identifiant des motifs spécifiques dans le comportement du système qui permettent à la linéarisation de réussir. Ils ont également abordé les systèmes non résonnants, c'est-à-dire que les fréquences de leurs différentes parties n'interagissent pas de manières complexes et verrouillées. En analysant soigneusement l'espacement de ces fréquences, l'équipe a montré que la méthode fonctionne pour une grande variété de systèmes non résonnants, y compris ceux qui décrivent le comportement de la lumière dans des matériaux non linéaires. L'article note explicitement que les systèmes résonnants, où les fréquences interagissent pour empêcher une transformation fluide vers une forme linéaire, présentent une analyse de stabilité beaucoup plus difficile et sortent du champ de ces garanties de convergence spécifiques.

L'article traite également de l'aspect pratique de l'exécution de ces simulations sur un ordinateur quantique. Résoudre les équations linéarisées n'est que la moitié de la bataille ; les chercheurs devaient s'assurer que l'algorithme quantique pouvait préparer l'état initial du système et extraire la réponse finale efficacement. Ils ont développé une nouvelle technique appelée transformée de Lyapunov quantique, qui agit comme un changement de coordonnées pour rendre le problème plus facile à gérer pour l'ordinateur quantique. Cela permet à l'algorithme de s'exécuter plus rapidement et avec moins de ressources, même pour des systèmes qui ne sont pas parfaitement stables. L'équipe a prouvé que pour une classe spécifique de problèmes d'oscillateurs non linéaires, l'ordinateur quantique offre un avantage exponentiel par rapport aux meilleures méthodes classiques. Cela signifie qu'à mesure que le problème s'étend, le temps requis par un ordinateur classique croît de manière astronomique, tandis que le temps de l'ordinateur quantique ne croît que lentement.

L'un des aspects les plus significatifs de ce travail est qu'il rectifie le compte rendu des affirmations précédentes. Les auteurs ont identifié des erreurs spécifiques dans les preuves mathématiques d'études antérieures, montrant que ces preuves reposaient sur des hypothèses qui n'étaient pas toujours vraies. En corrigeant ces erreurs et en fournissant de nouvelles preuves rigoureuses, ils ont établi un fondement solide pour la recherche future. Leurs résultats ne sont pas seulement théoriques ; ils fournissent des critères clairs que les ingénieurs et les scientifiques peuvent utiliser pour déterminer si un problème spécifique peut être résolu efficacement sur un ordinateur quantique. Par exemple, ils ont montré que la méthode fonctionne pour des systèmes où la non linéarité est équilibrée par la dissipation, mais aussi pour des systèmes où la non linéarité est équilibrée par la propre stabilité du système, même sans perte d'énergie.

Les implications de ce travail s'étendent à de nombreux domaines qui dépendent de la simulation de dynamiques complexes. En dynamique des fluides, par exemple, comprendre comment l'air circule autour d'une aile ou comment l'eau circule dans un tuyau nécessite souvent de résoudre des équations non linéaires qui sont actuellement trop coûteuses à simuler avec précision. Avec les nouveaux critères établis par cet article, il pourrait devenir possible de simuler ces flux sur des ordinateurs quantiques, menant à de meilleures conceptions d'avions et à des systèmes de gestion de l'eau plus efficaces. De même, en physique des plasmas, où le comportement des particules chargées est régi par des interactions non linéaires, ces méthodes pourraient aider au développement de l'énergie de fusion. La capacité de simuler ces systèmes avec précision pourrait accélérer les progrès dans la résolution de certains des défis énergétiques et environnementaux les plus pressants de notre époque.

Les chercheurs ont également exploré les limites de leur méthode, montrant qu'elle ne fonctionne pas pour tous les systèmes non linéaires possibles. Ils ont identifié des cas spécifiques où les conditions mathématiques de convergence ne sont pas remplies, particulièrement dans les systèmes présentant certains types de résonances ou lorsque le spectre des fréquences du système tombe dans un arrangement géométrique spécifique qui empêche la convergence de la linéarisation. En définissant clairement là où la méthode fonctionne et là où elle ne fonctionne pas, l'article fournit une feuille de route réaliste pour le domaine. Il évite l'exagération consistant à prétendre que les ordinateurs quantiques peuvent tout résoudre, offrant au contraire un guide précis et fiable pour savoir quand ils peuvent résoudre des problèmes spécifiques et importants.

En fin de compte, ce travail représente une étape significative dans la quête visant à exploiter l'informatique quantique pour des applications du monde réel. Il fait passer le domaine d'un état de spéculation pleine d'espoir à un état de compréhension rigoureuse. En corrigeant les erreurs passées et en élargissant la gamme de problèmes solubles, les chercheurs ont ouvert la porte à une nouvelle ère de simulation. Ils ont montré que la barrière entre le monde linéaire de la mécanique quantique et le monde non linéaire de la physique classique n'est pas aussi impénétrable qu'on le pensait autrefois. Avec les bons outils mathématiques, nous pouvons désormais combler ce fossé, permettant aux ordinateurs quantiques de s'attaquer aux systèmes dynamiques complexes qui façonnent notre univers. La voie à suivre est claire : avec ces nouveaux critères, les scientifiques peuvent désormais concevoir des algorithmes quantiques qui sont garantis de fonctionner pour une grande variété de problèmes non linéaires, nous rapprochant d'un futur où les ordinateurs quantiques seront un outil essentiel pour la découverte scientifique.