Comparing and learning figures of merit for quantum circuit compilation
Cet article propose un cadre d'apprentissage automatique qui prédit une nouvelle figure de mérite pondérée (wPST) pour les circuits quantiques en estimant d'abord les portes de compilation requises, puis en tenant compte du bruit matériel, surpassant ainsi de manière significative les métriques traditionnelles dans la sélection de circuits de haute qualité pour les dispositifs quantiques.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous essayez de cuisiner le gâteau parfait, mais que vous ne disposez pas d'une cuisine standard. Au lieu de cela, vous avez un four chaotique et bruyant où la chaleur fluctue sauvagement, et votre bol mélangeur ne se connecte qu'à des endroits spécifiques du plan de travail. C'est la réalité actuelle de l'informatique quantique. Les scientifiques construisent des machines qui utilisent les règles étranges de la mécanique quantique — comme la superposition (être à deux endroits à la fois) et l'intrication (des connexions fantomatiques entre les particules) — pour résoudre des problèmes qui prendraient des milliers d'années aux superordinateurs pour être déchiffrés. Mais ces machines sont fragiles. Elles sont dans ce que les experts appellent l'ère de "l'échelle intermédiaire bruyante", ce qui signifie qu'elles sont puissantes mais sujettes aux erreurs, et que leurs composants (les qubits) ne peuvent pas toujours communiquer directement entre eux.
Pour qu'un algorithme quantique fonctionne sur ce matériel désordonné, vous devez le "compiler". Considérez la compilation comme la traduction d'une recette écrite pour une cuisine parfaite en un ensemble d'instructions qui peuvent réellement être suivies dans votre cuisine chaotique. Vous pourriez avoir besoin d'ajouter des étapes supplémentaires, comme déplacer les ingrédients (portes SWAP) pour atteindre les bons bols, ou vous pourriez devoir échanger un fouet sophistiqué contre une cuillère parce que le fouet ne convient pas. La grande question est : comment savoir quel ensemble d'instructions donnera réellement un bon gâteau ? Vous avez besoin d'un moyen de mesurer la qualité de votre recette avant même d'allumer le four. C'est là qu'interviennent les "figures de mérite" — essentiellement, une fiche de notation pour déterminer la performance d'un circuit quantique.
Cet article s'attaque au problème délicat de trouver la fiche de notation parfaite. Les auteurs, Harshdeep Singh et son équipe de l'Université de technologie de Chalmers et de l'Université de Göteborg, soutiennent que les anciennes méthodes de notation des circuits quantiques sont soit trop simples, soit trop difficiles à calculer. Les scores simples, comme compter le nombre d'étapes de la recette, sont faciles à vérifier mais ne vous disent pas si le gâteau aura un bon goût. À l'autre extrémité, le score "parfait" consiste à réellement cuire le gâteau (exécuter le circuit) et à le goûter, mais faire cela pour chaque variation possible de la recette prendrait une éternité.
L'équipe propose une nouvelle fiche de notation plus intelligente appelée wPST (probabilité pondérée de succès des essais). Imaginez que vous notez l'examen d'un élève. L'ancienne méthode (PST) dit que vous obtenez un 100 % parfait uniquement si vous répondez correctement à toutes les questions. Si vous en manquez une seule, vous obtenez zéro. C'est dur et cela ne dit pas si l'élève maîtrisait 99 % du sujet ou seulement 10 %. La nouvelle méthode wPST est plus indulgente et informative : elle accorde des points partiels. Si vous répondez correctement à 9 questions sur 10, vous obtenez un score de 0,9. Cela capture bien mieux la "qualité" du résultat, surtout lorsque la machine est bruyante et que les petites erreurs sont inévitables.
Cependant, calculer même ce nouveau score nécessite généralement d'exécuter le circuit, ce qui est lent. Pour résoudre cela, les auteurs ont entraîné un modèle d'apprentissage automatique — un cerveau numérique — pour prédire le score wPST en regardant simplement la recette (le circuit) et la carte de la cuisine (le matériel). Ils ont nourri ce modèle avec des milliers d'exemples, lui apprenant à reconnaître des motifs tels que "trop d'étapes", "trop d'ingrédients intriqués" ou "utiliser un qubit qui a une courte capacité d'attention".
Les résultats sont prometteurs. Dans des simulations et des tests sur de véritables ordinateurs quantiques IBM, leur modèle d'apprentissage automatique a prédit le succès d'un circuit avec une précision bien plus élevée que les méthodes traditionnelles. Alors que les anciennes méthodes, comme le comptage des portes, n'étaient corrélées qu'à environ 40-50 % avec le succès réel, leur nouveau modèle a fait bondir cette corrélation à plus de 90 %. C'est une amélioration massive, augmentant de plus de 50 % la précision de leurs prédictions.
Pour rendre cela utile aux compilateurs quantiques du monde réel, les auteurs ont également conçu une astuce en deux étapes. Habituellement, on ne peut pas connaître le score final tant que le circuit n'est pas entièrement traduit pour la machine spécifique. Mais leur système peut d'abord deviner combien d'étapes supplémentaires la machine devra ajouter (comme prédire combien de détours un GPS ajoutera), puis utiliser ce devinement pour prédire le score wPST final. Cela permet au compilateur de choisir la meilleure recette instantanément, sans avoir à effectuer le test lent et coûteux au préalable.
En bref, l'article suggère qu'en utilisant un système de notation plus intelligent à points partiels (wPST) combiné à un prédicteur par IA rapide et entraîné, nous pouvons construire de meilleurs circuits quantiques plus rapidement. Cela ne résout pas tous les problèmes de l'informatique quantique, mais cela offre une façon beaucoup plus fiable de naviguer dans les eaux agitées et bruyantes du matériel quantique actuel, nous aidant à nous rapprocher de ces gâteaux quantiques parfaits.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.