Analog neutral-atom for in-memory processing in quantum reservoir computing

Dans la quête pour apprendre aux machines à penser, les scientifiques se tournent depuis longtemps vers le cerveau humain pour s'en inspirer, en particulier pour sa capacité à se souvenir du passé tout en traitant le présent. Ce défi spécifique, connu sous le nom d'analyse de séries temporelles, implique la compréhension de séquences de données où l'ordre importe, comme la prédiction de la météo ou l'analyse des marchés boursiers. Pendant des décennies, les chercheurs ont tenté de construire des systèmes numériques qui imitent cette « mémoire déclinante », où les informations anciennes s'estompent lentement pour faire de la place aux nouvelles données, une propriété essentielle pour donner un sens à un flux continu d'événements. Récemment, une nouvelle frontière s'est ouverte en tentant d'effectuer ces tâches non pas sur des puces de silicium, mais sur des ordinateurs quantiques. Ces machines utilisent les règles étranges de la physique quantique pour traiter l'information dans des espaces de grande dimension, offrant un raccourci potentiel pour résoudre des problèmes trop complexes pour les ordinateurs classiques. Cependant, un obstacle majeur demeure : les systèmes quantiques sont notoirement fragiles et perdent souvent leur capacité à conserver l'information rapidement, ou nécessitent des ordinateurs classiques externes pour agir comme une mémoire tampon temporaire, ce qui contredit l'objectif même d'utiliser une machine quantique.

Une équipe de chercheurs a maintenant démontré un moyen de surmonter cette limitation en utilisant un type spécifique de matériel quantique composé d'atomes neutres. En concevant soigneusement la manière dont ces atomes interagissent avec leur environnement, les scientifiques ont créé un système qui oublie naturellement son état initial tout en conservant un enregistrement utile des entrées récentes, et ce, sans avoir besoin d'une banque de mémoire classique externe. Leur travail, qui repose sur des simulations d'un système quantique plutôt que sur une expérience physique sur une machine réelle, révèle que la clé pour déverrouiller cette mémoire réside dans un équilibre délicat entre le chaos et la décroissance contrôlée. Les chercheurs ont découvert qu'en réglant leur système sur un point spécifique à la lisière du chaos quantique et en introduisant un type spécifique de perte d'énergie, ils pouvaient construire un « réservoir » capable de résoudre des problèmes de prévision complexes avec seulement cinq atomes. Cette approche suggère une voie vers des processeurs quantiques entièrement autonomes capables de gérer des tâches temporelles en temps réel de manière native, sans dépendre des méthodes de mise en mémoire tampon externes et lentes dont dépendent souvent les systèmes actuels.

Le cœur de cette recherche repose sur une plateforme connue sous le nom de réseau d'atomes neutres, où des atomes individuels sont piégés en place par des faisceaux de lumière focalisés, semblables à des billes maintenues dans des coupes invisibles. Ces atomes sont portés à un état de haute énergie, ce qui leur permet d'interagir fortement entre eux. Par le passé, les scientifiques utilisant ces plateformes pour l'apprentissage automatique s'appuyaient souvent sur une méthode consistant à injecter un bloc de données dans le système, à mesurer le résultat, puis à réinitialiser le système pour commencer le bloc suivant. Cette approche est comparable à la lecture d'un livre page par page, en effaçant la mémoire de la page précédente avant de tourner la suivante ; cela fonctionne, mais c'est inefficace et cela échoue à capturer le flux continu d'informations. La nouvelle étude propose une stratégie différente : un système analogique où les données circulent en continu, et où le système lui-même évolue pour conserver la mémoire du passé au sein de son état quantique. Pour y parvenir, les chercheurs ont dû résoudre un problème fondamental : les systèmes quantiques ont naturellement tendance soit à conserver l'information indéfiniment (ce qui empêche d'oublier les données anciennes), soit à la perdre trop rapidement. Ils avaient besoin d'un moyen d'induire une « mémoire déclinante », où le système se souvient du passé récent mais laisse progressivement partir le passé lointain, une propriété essentielle pour traiter l'information dépendante du temps.

Les chercheurs ont découvert que le secret pour parvenir à cette mémoire déclinante était d'embrasser la dissipation, ou la perte contrôlée d'énergie, plutôt que de chercher à l'éliminer. Dans leurs simulations, ils ont modélisé les atomes interagissant avec un environnement environnant qui provoque une perte d'énergie au fil du temps. Ils ont testé plusieurs façons différentes dont cette perte d'énergie pouvait se produire, les comparant pour voir laquelle préservait le mieux la capacité à traiter l'information. Ils ont trouvé qu'un type spécifique de perte d'énergie, appelé amortissement d'amplitude, était le plus efficace. Ce processus pousse les atomes vers un état fondamental stable, « nettoyant » efficacement le système des anciennes informations tout en permettant aux nouvelles entrées de façonner l'état de manière à en conserver une trace de l'histoire. Étonnamment, ils ont également découvert qu'un autre type de bruit, généralement considéré comme nuisible, pouvait encore préserver une petite quantité de mémoire si le système était piloté par une force externe puissante. Cette découverte contre-intuitive a montré que même lorsqu'un système est théoriquement incapable de maintenir un état stable, la poussée et la traction constantes de la force motrice pourraient le maintenir dans un état de flux qui se souvient du passé pendant un court instant.

Pour tester l'efficacité de ce système, l'équipe a mené une série de tests de référence conçus pour mesurer la mémoire et les capacités de prédiction. Ils ont commencé par une tâche simple appelée mémoire à court terme, où le système devait se rappeler un nombre situé quelques étapes auparavant dans une séquence. Ils ont constaté que le système fonctionnait de manière optimale lorsque les atomes étaient réglés sur un point de fonctionnement spécifique appelé « lisière du chaos ». Il s'agit d'une région où le système n'est ni complètement prévisible ni complètement aléatoire, mais se situe dans un point d'équilibre idéal où des motifs complexes peuvent émerger. Lorsque les atomes étaient réglés sur cette lisière, le système pouvait mémoriser l'information bien plus longtemps que lorsqu'il se trouvait dans un état plus stable ou plus chaotique. Les chercheurs ont également comparé deux méthodes pour augmenter l'échelle du système : l'ajout d'atomes physiques supplémentaires par rapport à une technique appelée multiplexage temporel, qui tente d'extraire plus d'informations du même nombre d'atomes en les échantillonnant à différents moments. Ils ont découvert que l'ajout d'atomes physiques était la méthode la plus fiable, car elle ajoutait de nouvelles manières indépendantes de stocker l'information, tandis que le multiplexage temporel atteignait rapidement une limite où les échantillons supplémentaires devenaient trop similaires pour être utiles.

Le véritable test du système a été de prédire des motifs complexes et chaotiques. Ils ont utilisé deux modèles mathématiques célèbres qui génèrent des séquences structurées mais imprévisibles, connus sous les noms de séries temporelles de Mackey-Glass et de Santa Fe. Ce sont des tâches difficiles car l'état futur du système dépend d'une histoire longue et complexe des états passés. Les simulations ont montré que leur réservoir quantique pouvait prédire ces séquences avec une précision remarquable, même en utilisant un très petit nombre d'atomes. Dans un scénario, un réseau de seulement cinq atomes a suffi pour prévoir le comportement chaotique avec une grande précision. Crucialement, les chercheurs ont comparé leur méthode à l'approche plus ancienne qui repose sur une mémoire classique externe. Ils ont constaté que leur système quantique autonome, qui possède sa propre mémoire, surpassait de manière significative les systèmes à tampon classique. Les anciens systèmes nécessitaient une large fenêtre de données passées injectées de l'extérieur pour obtenir des résultats similaires, alors que le nouveau système pouvait le faire avec une fenêtre beaucoup plus petite, traitant l'information de manière interne et efficace.

L'étude conclut que pour que l'informatique par réservoir quantique devienne une réalité pratique, le matériel doit être conçu pour inclure ces propriétés dissipatives spécifiques dès le départ. Les chercheurs soutiennent que l'ère de la tentative de construction de systèmes quantiques parfaits et isolés qui ne perdent jamais d'énergie n'est peut-être pas la bonne voie pour ce type de calcul spécifique. Au lieu de cela, l'avenir réside dans l'ingénierie de systèmes ouverts sur leur environnement, utilisant la perte d'énergie contrôlée pour créer la mémoire déclinante nécessaire. En réglant le système sur la lisière du chaos et en utilisant le bon type de dissipation d'énergie, il est possible de construire un ordinateur quantique qui agit comme un véritable processeur temporel. Ce travail fournit un plan clair pour la conception de ces machines, suggérant que la prochaine génération de dispositifs quantiques pourrait être capable de gérer des flux de données complexes et en temps réel de manière native, sans avoir besoin de l'échafaudage externe lourd qui a limité leurs applications jusqu'à présent.