Dans la quête de la construction d'ordinateurs quantiques utiles, les scientifiques sont confrontés à un obstacle persistant : le bruit. Contrairement aux ordinateurs classiques, qui traitent l'information avec une fiabilité quasi parfaite, les machines quantiques sont incroyablement fragiles. Leurs états délicats de la matière, appelés qubits, sont facilement perturbés par leur environnement, ce qui fait que les calculs s'éloignent de la vérité. Ce bruit n'est pas qu'un simple incident mineur ; c'est la raison principale pour laquelle les ordinateurs quantiques actuels peinent à résoudre des problèmes que les machines classiques gèrent facilement. Pour obtenir des réponses utiles, les chercheurs ont développé des techniques pour « nettoyer » les données bruitées que ces machines produisent, souvent en exécutant le même calcul plusieurs fois avec des réglages légèrement différents, puis en combinant mathématiquement les résultats pour deviner quelle aurait été la réponse parfaite et sans bruit. Cependant, à mesure que ces calculs deviennent plus vastes et complexes, la quantité de données nécessaires pour les nettoyer devient écrasante, exigeant souvent plus de temps et de ressources que ce que l'ordinateur quantique lui-même peut fournir.

Une équipe de chercheurs a maintenant introduit une nouvelle approche à ce problème, une méthode qui combine habilement la puissance du matériel quantique avec des techniques de simulation classique avancées. Ils appellent leur méthode les Formules de Multiproduit de Lindblad. Au lieu de compter uniquement sur l'ordinateur quantique pour générer des données ou uniquement sur les ordinateurs classiques pour simuler l'ensemble du système, ils répartissent le travail. La machine quantique mesure les résultats bruités, tandis qu'un algorithme classique sophistiqué calcule les poids spécifiques nécessaires pour combiner ces mesures bruitées en une prédiction unique et précise. Les chercheurs ont testé cette méthode hybride sur un modèle de « cristal de temps discret », un état étrange de la matière qui oscille dans le temps sans perdre d'énergie, en utilisant un processeur quantique doté de 65 qubits. Leurs résultats montrent qu'en utilisant cette technique, ils ont pu récupérer une image bien plus claire du comportement du système que l'ordinateur quantique ou l'ordinateur classique ne pouvaient le faire seuls, même lorsque les simulations classiques étaient simplifiées pour fonctionner plus rapidement.

Le cœur de cette nouvelle méthode réside dans la façon dont elle gère la relation entre la machine quantique bruitée et l'ordinateur classique. Habituellement, lorsque les scientifiques tentent de simuler un système quantique complexe sur un ordinateur classique, ils doivent simplifier les mathématiques pour les rendre gérables. Ces simplifications introduisent leurs propres erreurs, appelées erreurs de troncature. Si le système est trop complexe, ces erreurs deviennent si importantes que la simulation classique devient inutile. Les chercheurs ont toutefois réalisé que les quantités mathématiques spécifiques nécessaires pour corriger les erreurs de l'ordinateur quantique pourraient être beaucoup plus faciles à calculer que la réponse finale elle-même. Ils ont utilisé une technique impliquant des réseaux bidimensionnels d'objets mathématiques, qu'ils ont contractés à l'aide d'une méthode appelée propagation de croyance corrigée par boucle (loop-corrected belief propagation). Cela leur a permis de calculer les facteurs de correction nécessaires avec une grande précision, même si le calcul de la réponse complète et sans bruit directement aurait été trop difficile pour leurs ordinateurs classiques.

Pour que cela fonctionne, l'équipe devait générer un ensemble de mesures bruitées provenant de l'ordinateur quantique qui variaient de manière prévisible. Traditionnellement, cela se fait en amplifiant artificiellement le bruit, un processus qui nécessite d'exécuter l'expérience de très nombreuses fois pour obtenir une moyenne fiable. C'est lent et coûteux. Les chercheurs ont plutôt introduit une technique qu'ils appellent « amplification ergodique ». Plutôt que d'augmenter le bruit, ils ont légèrement modifié les paramètres du circuit quantique lui-même — spécifiquement la force des interactions entre les qubits. Ce changement a fait en sorte que le système se comporte comme s'il était plus bruité, sans pour autant augmenter réellement le bruit ou nécessiter de temps supplémentaire sur la machine quantique. Cela leur a permis de rassembler les points de données nécessaires beaucoup plus rapidement, rendant l'ensemble du processus nettement plus efficace.

Les chercheurs ont testé leur flux de travail sur un modèle spécifique de cristal de temps discret en deux dimensions, un système qui avait déjà été étudié mais qui est difficile à simuler avec précision en raison de sa complexité. Ils ont mené leurs expériences sur un véritable ordinateur quantique nommé ibm_basquecountry, qui présente 65 qubits disposés selon un motif spécifique en hexagone lourd. Ils ont comparé trois façons d'obtenir la réponse : une simulation classique pure qui a été simplifiée pour fonctionner rapidement, une simulation classique pure exécutée avec une précision extrême (servant de référence), et leur nouvelle méthode hybride. Les résultats furent frappants. La simulation classique simplifiée n'a pas réussi à prédire le comportement correct, même lorsque les chercheurs ont tenté de corriger mathématiquement ses erreurs. Les données brutes de l'ordinateur quantique étaient également inexactes à cause du bruit. Cependant, la méthode hybride, qui combinait les données quantiques bruitées avec les facteurs de correction classiques, a produit un résultat qui correspondait étroitement à la simulation de référence à haute précision.

Une découverte clé de l'étude est que les erreurs introduites par les calculs classiques simplifiés n'ont pas ruiné le résultat final. Cela peut sembler contre-intuitif : si la partie classique du calcul est imparfaite, pourquoi la réponse finale est-elle si nette ? Les chercheurs expliquent que les erreurs dans les facteurs de correction ont tendance à s'annuler les unes les autres lorsqu'elles sont appliquées aux données quantiques bruitées. De plus, la manière spécifique dont les erreurs se comportent signifie que même si les facteurs de correction sont légèrement erronés, la réponse combinée finale reste stable. Cela permet à la méthode de fonctionner même lorsque l'ordinateur classique n'est pas assez puissant pour simuler l'ensemble du système parfaitement. L'équipe a également constaté qu'en faisant exécuter la partie classique de leur calcul sur une unité de traitement graphique (GPU), ils pouvaient accélérer le processus d'un facteur de 5,6, rendant la méthode encore plus pratique pour des problèmes plus vastes.

L'étude souligne également l'importance de savoir à quel point on peut être confiant dans les résultats. Les chercheurs ont développé un moyen d'estimer les barres d'erreur, ou la plage d'incertitude, pour leur réponse finale. Ils ont constaté que leur méthode fournissait une estimation fiable de la valeur réelle, avec des barres d'erreur suffisamment petites pour être utiles. En revanche, d'autres méthodes qui reposent sur l'ajustement de données bruitées à une courbe peinent souvent à fournir des estimations aussi fiables, surtout lorsque les données sont rares ou que le bruit est complexe. En combinant les mesures quantiques avec les calculs classiques, les chercheurs ont pu produire un résultat qui était non seulement plus précis, mais qui s'accompagnait également d'une mesure claire de sa propre fiabilité.

Bien que la méthode ait montré un grand potentiel pour ce type spécifique de système quantique, les chercheurs notent prudemment qu'elle pourrait ne pas fonctionner pour tous les circuits quantiques possibles. Le succès de la technique dépend de la capacité à trouver la bonne manière de modifier les paramètres du circuit pour générer les points de données nécessaires. Si les modifications sont trop extrêmes, les corrections mathématiques deviennent instables et les barres d'erreur deviennent trop larges pour être utiles. Pour le modèle spécifique qu'ils ont testé, les chercheurs ont trouvé un ensemble de modifications qui fonctionnaient parfaitement, mais ils reconnaissent que l'application de cela à un type de circuit complètement différent nécessiterait de trouver un nouvel ensemble de règles. Ils suggèrent que pour certains circuits, la méthode traditionnelle d'amplification du bruit pourrait rester nécessaire, bien qu'elle soit plus lente.

Ce travail représente une étape significative dans le domaine de l'atténuation des erreurs quantiques, démontrant que la voie la plus efficace ne consiste pas nécessairement à rendre les ordinateurs quantiques parfaits ou les ordinateurs classiques infiniment puissants, mais à trouver un moyen de les faire travailler ensemble. En utilisant les ordinateurs classiques pour effectuer le gros du travail de calcul des facteurs de correction, et les ordinateurs quantiques pour fournir les données brutes qui seraient autrement impossibles à simuler, les chercheurs ont créé un flux de travail qui est supérieur à la somme de ses parties. Cette approche ouvre la porte à l'étude de systèmes quantiques complexes qui étaient auparavant hors de portée, offrant un aperçu d'un futur où les ordinateurs quantiques peuvent résoudre des problèmes du monde réel avec l'aide de partenaires classiques intelligents.

Les chercheurs concluent que leur méthode, les Formules de Multiproduit de Lindblad, offre un moyen robuste d'extraire des informations précises à partir de dispositifs quantiques bruités. C'est un témoignage de l'idée que, dans l'ère de l'informatique quantique, l'outil le plus puissant peut être la capacité de fusionner les forces de différentes approches de calcul. À mesure que le matériel quantique continue de s'améliorer, des techniques comme celle-ci seront essentielles pour libérer tout le potentiel de ces machines, permettant aux scientifiques d'explorer les comportements étranges et merveilleux du monde quantique avec une clarté qui était auparavant impossible.