Benchmarking neutral atom-based quantum processors at scale

Imaginez un monde où les ordinateurs ne se contentent pas de brasser des chiffres, mais dansent avec le tissu même de la réalité. C'est le domaine de l'informatique quantique, un domaine où de minuscules particules comme les atomes agissent comme les neurones du cerveau. Contrairement à votre ordinateur portable, qui utilise des bits qui sont soit un 0, soit un 1, ces machines quantiques utilisent des « qubits » qui peuvent être 0, 1, ou un mélange magique des deux en même temps. Une façon prometteuse de construire ces machines est de piéger des atomes individuels dans des cages invisibles faites de lumière laser, appelées pinces optiques. Ces atomes sont comme des danseurs sur une scène ; s'ils s'approchent trop près, ils interagissent d'une manière spéciale appelée le « blocage de Rydberg », où ils refusent d'être excités en même temps. Les scientifiques utilisent cette règle pour résoudre des énigmes incroyablement difficiles, comme trouver la meilleure façon d'organiser un groupe de personnes afin que deux amis ne soient pas assis l'un à côté de l'autre. Mais voici le piège : ces danseurs quantiques sont fragiles. Le bruit de l'environnement peut les faire trébucher, et à mesure que nous construisons des scènes plus grandes avec plus d'atomes, il devient plus difficile de savoir si la machine devient réellement plus intelligente ou si elle devient simplement plus bruyante. C'est pourquoi nous avons besoin d'un moyen de les tester équitablement, non pas seulement en regardant leurs composants internes, mais en voyant comment bien elles résolvent des problèmes du monde réel.

Ce document est comme un immense tournoi sportif aux règles équitables pour deux des ordinateurs quantiques les plus avancés de la planète : l'un construit par QuEra (appelé Aquila) et l'autre par Pasqal (appelé Fresnel). Les chercheurs voulaient voir quelle machine est la meilleure pour résoudre un type spécifique d'énigme connu sous le nom de « Ensemble Indépendant Maximal » (MIS). Imaginez que vous avez la carte d'une ville avec de nombreuses intersections (points) et des routes reliant ces intersections (lignes). L'objectif est de choisir le plus grand groupe possible d'intersections de telle sorte qu'aucune de ces intersections choisies ne soit directement reliée par une route à une autre. Cela semble simple, mais à mesure que la ville s'agrandit, le nombre de combinaisons possibles explose, ce qui devient un cauchemar pour les ordinateurs classiques. Les chercheurs ont utilisé deux « stratégies » différentes pour résoudre cela sur les machines quantiques. La première est l'Algorithme Adiabatique Quantique (QAA), qui revient à guider lentement une bille le long d'une colline sinueuse ; si l'on va assez lentement, elle roule naturellement vers la vallée la plus profonde, qui représente la meilleure solution. La seconde est l'Algorithme d'Optimisation Quantique Approchée (QAOA), qui ressemble davantage à un jeu de « chaud et froid » où l'ordinateur essaie différentes configurations, apprend des résultats et ajuste son approche pour trouver le meilleur endroit.

L'équipe a testé ces machines sur des problèmes allant de petites configurations de 11 atomes jusqu'à des défis massifs de 102 atomes pour Aquila et 85 pour Fresnel. Ils n'ont pas seulement regardé si les machines trouvaient la réponse parfaite ; ils ont regardé à quelle fréquence elles trouvaient des réponses valides (des solutions qui respectent réellement les règles) et à quel point ces réponses étaient proches de la meilleure possible. Les résultats ont montré une tendance claire : à mesure que les énigmes devenaient plus grandes, les deux machines trouvaient plus difficile d'obtenir la solution parfaite, ce qui est attendu car les problèmes deviennent plus complexes et les machines plus bruyantes. Cependant, Aquila a généralement mieux performé que Fresnel, surtout lorsque les énigmes devenaient vraiment grandes. Par exemple, sur un problème de 85 atomes, Aquila a trouvé des solutions valides environ 22,1 % du temps, tandis que Fresnel n'a réussi que 4,6 %. Curieusement, les chercheurs ont constaté que la stratégie QAOA ne battait pas toujours la stratégie QAA, plus lente et plus constante, suggérant que parfois, une approche douce et lente fonctionne mieux qu'une approche rapide et complexe sur ces machines spécifiques.

Les auteurs ont également créé une immense bibliothèque de nouvelles énigmes, montant jusqu'à 1 000 atomes, qui servira de test standard pour les futurs ordinateurs quantiques à mesure qu'ils seront construits. Ils notent avec prudence que ce test ne nous dit pas exactement pourquoi une machine a échoué (que ce soit un laser défectueux ou un mauvais algorithme) ; au contraire, il donne un « carnet de notes » de la manière dont l'ensemble du système fonctionne ensemble dans la vie réelle. C'est comme juger une voiture non pas en mesurant chaque boulon, mais en voyant à quelle vitesse et en toute sécurité elle circule sur une piste. Le document conclut que, bien qu'aucune des deux machines n'ait encore « résolu » le problème du bruit, Aquila détient actuellement l'avance dans la gestion de ces tâches d'optimisation natives à grande échelle. Ce benchmark fournit un langage commun pour que les scientifiques puissent comparer différentes technologies quantiques, garantissant qu'à mesure que nous construisons des machines plus grandes et plus puissantes, nous puissions réellement mesurer si elles deviennent meilleures pour accomplir les tâches dont nous avons réellement besoin.