La science s'appuie depuis longtemps sur les équations différentielles pour décrire comment le monde change, de la circulation de la chaleur à travers un mur à la propagation d'une maladie au sein d'une population. Ces descriptions mathématiques sont puissantes, mais les résoudre avec précision exige souvent une puissance de calcul immense, surtout lorsque les problèmes impliquent de nombreuses variables, des changements brusques ou des interactions complexes. Pendant des décennies, les chercheurs se sont tournés vers l'informatique quantique comme un raccourci potentiel, espérant que leur capacité unique à traiter l'information pourrait résoudre ces énigmes difficiles plus rapidement que les machines classiques. Une stratégie prometteuse consiste à transformer une équation différentielle en une recherche de l'état d'énergie la plus basse d'un système, un peu comme une balle qui roule naturellement vers le bas d'une vallée. Si le système est construit correctement, l'état situé tout au bas de cette vallée représente la bonne réponse à l'équation. Cependant, la construction de ces systèmes a été difficile, particulièrement lorsqu'il s'agit de données réelles qui ne partent pas de zéro ou lorsque les équations impliquent des relations non linéaires où les variables se multiplient entre elles.

Un chercheur de Fujitsu Research of Europe a désormais étendu cette approche, offrant de nouvelles façons de construire ces systèmes quantiques pour qu'ils gèrent une plus grande variété de problèmes. Il a développé des méthodes pour incorporer de multiples conditions initiales et des points de données qui ne sont pas nuls, une caractéristique courante dans les scénarios du monde réel que les méthodes précédentes peinaient à inclure directement. Il a également introduit une autre façon de construire le système qui traite l'équation comme un équilibre entre une partie changeante et une source fixe, plutôt que de forcer tout dans un format de somme nulle. De plus, il a exploré une autre manière de stocker l'information au sein de l'ordinateur quantique, s'éloignant de la représentation de la solution sous la forme d'une courbe mathématique lisse pour stocker plutôt les valeurs réelles de la solution à des points spécifiques le long d'une grille. En testant ces nouvelles constructions sur plusieurs types d'équations différents, y compris celles avec des coins saillants et celles avec des termes non linéaires, le chercheur a constaté que le choix de la meilleure méthode dépend fortement de la nature spécifique du problème résolu.

Le cœur de ce travail réside dans la manière dont le chercheur encode le problème dans le système quantique. Dans l'approche standard, la solution est représentée par les coefficients d'un ensemble de fonctions globales lisses, de la même manière qu'un son complexe peut être décomposé en un ensemble spécifique de notes musicales. Cette méthode fonctionne bien pour des changements lisses et prévisibles, mais peut éprouver des difficultés lorsque la solution présente des sauts soudains ou des cassures. Le nouveau travail introduit une approche basée sur une grille où l'état quantique détient directement la valeur de la solution à chaque point sur une ligne discrète. Cela ressemble davantage à la prise d'une série de clichés le long d'un chemin plutôt qu'à l'ajustement d'une seule ligne lisse à travers eux. Le chercheur a constaté que pour les problèmes ayant des solutions lisses, la méthode traditionnelle des fonctions lisses était plus efficace, mais que pour les problèmes présentant des discontinuités nettes, la méthode basée sur la grille fournissait une image beaucoup plus précise sans nécessiter d'ajustements spéciaux.

La gestion des conditions initiales non nulles était un autre obstacle majeur que le chercheur a abordé. Dans de nombreuses situations physiques, un système ne part pas de rien ; un condensateur peut déjà détenir une charge, ou une température peut commencer à une valeur élevée spécifique. Les méthodes quantiques précédentes exigeaient que le problème soit réécrit de sorte que tout parte de zéro, ce qui n'était pas toujours possible ou pratique. Le chercheur a montré comment utiliser un point de référence connu et non nul pour mettre le problème à l'échelle, permettant ainsi d'inclure directement plusieurs conditions non nulles dans le système quantique. Il a également développé une seconde construction alternative qui traite l'équation comme un système linéaire où la solution est trouvée en équilibrant l'équation par rapport à un terme source. Cette approche s'est avérée particulièrement utile lorsque le problème impliquait une source d'énergie ou de matière qui ne pouvait pas être facilement convertie en une condition de départ nulle, élargissant ainsi l'éventail des équations pouvant être résolues de cette manière.

Le défi des équations non linéaires, où les variables se multiplient entre elles, présentait une difficulté de nature différente. Lorsque ces équations sont traduites dans le langage quantique, le système devient souvent sous-déterminé, ce qui signifie qu'il existe de nombreux états possibles qui ressemblent à l'état d'énergie la plus basse, mais un seul d'entre eux représente réellement la solution physique correcte. Le chercheur a découvert que le système quantique restait souvent bloqué dans ces états incorrects, dits « non physiques ». Pour résoudre cela, il a proposé de restreindre la recherche uniquement aux états qui possèdent une structure répétée spécifique, garantissant que l'ordinateur quantique n'explore que des solutions qui font sens physiquement. Il a testé cela en résolvant une équation de réaction-diffusion qui modélise le mouvement d'un front de population, guidant avec succès l'algorithme quantique vers la solution correcte en limitant l'espace de recherche, même si le système sous-jacent restait complexe et dégénéré.

À travers une série de simulations, le chercheur a comparé ces nouvelles méthodes entre elles en utilisant des exemples tels que la charge d'un circuit électrique, le comportement d'une particule quantique dans un potentiel spécifique et le flux de chaleur à travers un mur composé de deux matériaux différents. Dans le cas du circuit électrique, il a montré que lorsque la charge initiale était nulle, l'une de ses nouvelles méthodes était la seule capable de fonctionner, tandis que l'autre échouait. Lorsque la charge initiale était non nulle, les deux méthodes fonctionnaient bien, mais produisaient des paysages énergétiques légèrement différents, ce qui pourrait affecter la facilité avec laquelle un ordinateur quantique trouve la solution. Pour le problème de flux thermique, qui impliquait un changement brusque de propriétés de matériaux, la méthode de la fonction lisse ne parvenait pas à capturer le changement soudain du gradient de température, à moins de diviser le domaine en sections distinctes. La méthode basée sur la grille, cependant, gérait naturellement ce changement brusque, démontrant que le choix de l'encodage n'est pas seulement un détail technique, mais une décision fondamentale qui dicte la précision du résultat.

Le chercheur a également examiné le modèle de population non linéaire, confirmant que sa stratégie consistant à restreindre la recherche quantique aux états de produits répétés évitait avec succès le piège des solutions non physiques. Bien que l'espace mathématique complet du problème contienne des centaines d'états de basse énergie incorrects, la recherche contrainte a trouvé le bon chemin. Cependant, le chercheur a noté que cette approche repose sur un type spécifique d'algorithme d'optimisation qui n'est pas garanti pour trouver toujours la meilleure réponse, et qu'elle nécessite davantage de ressources quantiques à mesure que la complexité de la non-linéarité augmente. Les simulations ont montré que les méthodes fonctionnent et peuvent encoder des solutions précises, mais elles ont également souligné que le chemin vers un avantage quantique pratique comporte des obstacles importants, notamment le coût de la préparation de l'état initial, la stabilité du système et la difficulté de lecture de la réponse finale.

En fin de compte, ce travail ne prétend pas avoir résolu le problème de la résolution des équations différentielles par voie quantique, mais clarifie plutôt les compromis impliqués dans les approches actuelles. Il démontre qu'il n'existe pas de « meilleure » façon unique d'encoder une équation différentielle pour un ordinateur quantique ; le choix optimal dépend de savoir si la solution est lisse ou irrégulière, si les données partent de zéro ou non, et si l'équation est linéaire ou non linéaire. En fournissant ces constructions et encodages de fonctions alternatives, le chercheur a élargi la gamme de problèmes pouvant être abordés avec les solveurs de l'état fondamental quantique. Ses conclusions suggèrent que les progrès futurs ne viendront pas d'une méthode universelle unique, mais d'une correspondance soigneuse entre la stratégie d'encodage et la régularité ainsi que les contraintes spécifiques du problème physique, garantissant que le système quantique est construit pour trouver la véritable solution plutôt que de se perdre dans un océan de possibilités mathématiques.