Scientific applications of quantum computing: challenges and opportunities

Depuis des siècles, l'histoire du progrès humain s'est écrite à travers les matériaux que nous créons. Des pigments qui ont coloré nos premières œuvres d'art aux catalyseurs qui alimentent nos industries modernes, notre capacité à façonner le monde a reposé sur un cycle d'essais et d'erreurs, suivis de la théorie, puis de la prédiction. Aujourd'hui, les scientifiques utilisent de puissants ordinateurs pour simuler le comportement des atomes, leur permettant de concevoir de nouveaux médicaments, des métaux plus résistants et des batteries plus efficaces avant même de mélanger un seul produit chimique dans un laboratoire. Ces simulations fonctionnent en résolvant les équations qui régissent le mouvement et l'interaction des électrons. Cependant, il existe une limite tenace à la capacité des ordinateurs classiques à prédire l'avenir. Lorsque les atomes forment des liaisons complexes ou existent dans des états excités de haute énergie, les mathématiques deviennent si emmêlées que même les superordinateurs les plus avancés doivent recourir à des approximations. Ces raccourcis fonctionnent bien pour des cas simples, mais ils échouent souvent lorsque la précision est la plus nécessaire, laissant les scientifiques dans l'incertitude quant à la stabilité d'un nouveau matériau ou à la vitesse d'une réaction chimique.

Un groupe de chercheurs issus d'universités et de laboratoires à travers le Royaume-Uni s'est réuni pour poser une question critique : un nouveau type d'ordinateur, utilisant les lois étranges de la mécanique quantique pour résoudre des problèmes, peut-il enfin briser cette barrière ? Leur réponse est une évaluation prudente et fondée de l'état actuel de cette technologie et de ce qu'elle pourrait devenir. Ils soutiennent que, bien que la promesse de l'informatique quantique soit réelle, elle ne remplacera pas simplement les ordinateurs classiques que nous utilisons actuellement. Au contraire, la voie la plus précieuse consiste en un partenariat. Dans ce nouveau flux de travail, les ordinateurs quantiques agiraient comme des outils hautement spécialisés, n'intervenant que pour résoudre les parties spécifiques et les plus difficiles d'un problème que les machines classiques ne peuvent gérer, tandis que le reste du travail resterait aux mains des méthodes établies.

Les chercheurs commencent par reconnaître l'état actuel du domaine. Nous ne sommes pas encore au point où un ordinateur quantique peut résoudre un problème chimique complet de manière autonome. Les dispositifs disponibles aujourd'hui sont encore « bruyants », ce qui signifie qu'ils sont sujets aux erreurs et ne peuvent contenir qu'une petite quantité d'informations à la fois. C'est pourquoi l'équipe suggère que l'avenir immédiat réside dans les approches « hybrides ». Imaginez un système chimique complexe, comme une enzyme à l'intérieur d'une cellule vivante ou un catalyseur dans une usine. La partie la plus difficile de la simulation de ce système est souvent une zone active minuscule où les liaisons se rompent et se forment. Les auteurs proposent d'utiliser un ordinateur quantique pour calculer le comportement de cette petite zone critique avec une précision extrême, tandis qu'un ordinateur classique gère le reste du système massif. Cette méthode, appelée « enchâssement » (embedding), permet aux scientifiques d'obtenir la haute précision dont ils ont besoin sans exiger qu'une machine quantique soit assez grande pour simuler le monde entier à la fois.

Le document distingue soigneusement les différents types de problèmes et les différentes étapes de la technologie quantique nécessaires pour les résoudre. Pour des tâches telles que la prédiction de l'énergie d'une molécule ou de la couleur d'un matériau, les méthodes les plus précises nécessiteront probablement des ordinateurs quantiques « tolérants aux fautes ». Ce sont des machines capables de corriger leurs propres erreurs, une technologie qui est encore dans une phase expérimentale précoce et qui n'est pas encore largement disponible. Cependant, les auteurs suggèrent que nous n'avons pas besoin d'attendre ces machines parfaites pour commencer à accomplir un travail utile. Pour certains types de défis, comme la recherche parmi des millions d'arrangements possibles d'atomes pour trouver la structure la plus stable, les dispositifs actuels pourraient déjà offrir un avantage. Ces problèmes sont comparables à la recherche d'une aiguille spécifique dans une vaste botte de foin ; les algorithmes quantiques peuvent explorer de nombreuses possibilités simultanément, trouvant potentiellement la meilleure solution plus rapidement qu'un ordinateur classique.

Les chercheurs se concentrent particulièrement sur les réalités pratiques de l'intégration de ces machines dans le travail scientifique réel. Ils mettent en garde contre le battage médiatique qui entoure souvent les nouvelles technologies. Un calcul quantique n'est précieux que s'il produit un résultat plus précis ou plus fiable que ce qu'un ordinateur classique peut fournir, même après avoir pris en compte le temps et l'énergie nécessaires pour mettre en place l'expérience, exécuter le calcul et traiter les données. L'équipe souligne que l'objectif n'est pas de prouver que les ordinateurs quantiques existent, mais de démontrer qu'ils peuvent réduire l'incertitude des prédictions scientifiques. Si un dispositif quantique peut dire à un chimiste avec une plus grande confiance qu'un nouveau matériau de batterie sera stable, ou qu'un médicament se liera à un virus, alors il a atteint son but.

Dans le domaine de la science des matériaux, le document souligne la difficulté de découvrir de nouveaux composés. Historiquement, cela a été un processus d'intuition et d'expérimentation à haut débit, où les scientifiques testent des milliers de candidats pour en trouver quelques-uns qui fonctionnent. Bien que l'apprentissage automatique ait aidé à accélérer ce processus, il repose toujours sur des données générées par des simulations classiques qui peuvent comporter des inexactitudes inhérentes. Les auteurs suggèrent que l'informatique quantique pourrait fournir les données de haute qualité nécessaires pour entraîner ces modèles d'apprentissage automatique ou chercher directement à travers des espaces chimiques complexes pour trouver des structures que les méthodes classiques pourraient manquer. Cela est particulièrement pertinent pour les systèmes qui sont désordonnés ou qui contiennent de nombreux éléments différents, où le nombre d'arrangements possibles est trop vaste pour être exploré de manière approfondie par les méthodes traditionnelles.

Pour la biochimie, les défis sont encore plus grands car les systèmes biologiques sont vastes, désordonnés et en mouvement constant. Simuler une seule protéine nécessite souvent de suivre des centaines de milliers d'atomes, une tâche qui pousse les limites même des superordinateurs les plus rapides. Le document soutient qu'une simulation quantique complète d'une cellule vivante n'est pas un objectif réaliste pour un avenir proche. Au lieu de cela, l'application la plus pratique sera d'utiliser les ordinateurs quantiques pour étudier les réactions chimiques spécifiques qui se produisent à l'intérieur des enzymes. En traitant ces petits sites réactifs avec une précision quantique et l'environnement environnant avec des méthodes classiques, les scientifiques pourraient acquérir une compréhension plus profonde du fonctionnement de la vie au niveau moléculaire. Cela pourrait conduire à de meilleures conceptions de médicaments et à une image plus claire du développement des maladies.

Les auteurs abordent également le matériel lui-même, notant qu'il existe plusieurs technologies concurrentes, des circuits supraconducteurs aux ions piégés et aux atomes neutres. Chacune possède ses propres forces et faiblesses, et il est trop tôt pour dire laquelle dominera. Ce qui importe plus que le type spécifique de machine est la manière dont elle peut être intégrée dans l'écosystème existant de l'informatique scientifique. Les chercheurs soulignent que les vitesses d'horloge des processeurs quantiques sont actuellement beaucoup plus lentes que celles des ordinateurs classiques, et la manière dont les données sont stockées et déplacées entre eux constitue un obstacle majeur. Résoudre ces problèmes d'ingénierie est tout aussi important que d'améliorer les algorithmes quantiques eux-mêmes.

En fin de compte, le document sert de feuille de route pour une transition réaliste. Il suggère que le domaine doit s'éloigner des démonstrations isolées qui montrent la capacité d'un ordinateur quantique à résoudre un problème théorique simple (« toy problem ») pour se diriger vers des flux de travail intégrés qui résolvent de véritables questions scientifiques. La valeur de l'informatique quantique sera mesurée par sa capacité à réduire les marges d'erreur des prédictions scientifiques. Si elle peut nous dire avec plus de certitude à quelle vitesse une réaction se produira, ou si un nouveau matériau sera stable, alors elle aura gagné sa place dans le laboratoire. Le voyage est long, la technologie est encore en pleine maturation, mais la voie à suivre est claire : un avenir de collaboration où les ordinateurs quantiques et classiques travailleront ensemble pour percer les secrets du monde matériel.