Realizing Unstructured PDE Forecasting on Superconducting Quantum Processors

Prédire comment les fluides tourbillonnent autour de la coque d'un navire, comment les systèmes météorologiques évoluent sur un continent ou comment les produits chimiques se mélangent dans un réacteur nécessite de résoudre des descriptions mathématiques complexes connues sous le nom d'équations aux dérivées partielles. Pendant des décennies, les scientifiques se sont appuyés sur des supercalculateurs massifs pour diviser ces problèmes en petites parties gérables, utilisant souvent des grilles irrégulières capables de s'adapter à la forme de l'objet étudié. Bien que ces méthodes fonctionnent, elles sont incroyablement coûteuses et lentes, repoussant les limites même des machines les plus puissantes au monde. Ces dernières années, les chercheurs se sont tournés vers l'informatique quantique, qui utilise les règles étranges de la physique subatomique pour traiter l'information, espérant qu'elle puisse un jour résoudre ces problèmes plus rapidement. Cependant, les machines quantiques actuelles sont encore petites, bruyantes et peinent à fonctionner assez longtemps pour gérer les simulations complexes du monde réel nécessaires à l'ingénierie et à la science.

Une équipe de chercheurs a désormais démontré une nouvelle façon d'utiliser ces premières machines quantiques pour prévoir le comportement de flux de fluides complexes et non structurés. Au lieu d'essayer de résoudre les équations directement, ce qui est difficile sur le matériel actuel, ils ont construit un système qui apprend à prédire l'état futur d'un fluide en observant son passé. L'équipe a utilisé un ordinateur quantique pour agir comme un extracteur de caractéristiques sophistiqué, un processus qui identifie des motifs cachés dans les données sans avoir besoin d'être entraîné sur le problème spécifique lui-même. Ils ont testé cette approche sur deux scénarios difficiles : l'air circulant autour d'un cylindre et une réaction chimique qui crée des motifs tourbillonnants. En combinant la capacité d'un ordinateur classique à compresser les données avec la capacité d'un ordinateur quantique à trouver des relations complexes, ils ont pu faire des prédictions précises sur du matériel quantique réel, même si la mémoire de la machine était bien plus courte que le temps nécessaire pour exécuter la simulation.

Le cœur de leur méthode repose sur une technique appelée calcul en réservoir quantique (quantum reservoir computing). Imaginez une grande pièce complexe remplie d'échos ; si vous prononcez un mot, la façon dont le son rebondit et s'atténue au fil du temps contient une signature unique de ce mot. Dans cette expérience, l'ordinateur quantique agit comme cette pièce. Les chercheurs injectent des données sur l'état actuel du fluide dans le système quantique, qui évolue ensuite de son côté selon des règles fixes. Ils n'ajustent pas les paramètres de la machine quantique pour s'adapter aux données ; au lieu de cela, ils mesurent simplement la sortie après que la machine a traité l'entrée. Cette sortie sert de riche ensemble de caractéristiques qu'un ordinateur classique peut utiliser pour prédire ce qui va se passer ensuite. Parce que la machine quantique n'est pas en cours d'entraînement, elle évite les difficultés qui frappent souvent d'autres méthodes quantiques, telles que rester bloquée dans des erreurs locales ou nécessiter des millions de tentatives pour trouver une solution.

Un obstacle majeur à l'utilisation des ordinateurs quantiques pour de longues simulations est que les bits quantiques, ou qubits, perdent très rapidement leurs informations en raison du bruit et des interférences environnementales. Habituellement, un calcul doit se terminer avant que cette information ne s'estompe, ce qui limite la distance dans le futur qu'un système peut prédire. Les chercheurs ont résolu ce problème en utilisant une astuce ingénieuse impliquant des mesures partielles et des réinitialisations. Ils ont mesuré seulement la moitié des qubits de leur système et les ont immédiatement réinitialisés à un état de départ, tout en laissant l'autre moitié intacte. Ce processus « rafraîchit » doucement le système, permettant aux qubits non mesurés de conserver une mémoire déclinante des entrées passées. Ce mécanisme a permis au circuit quantique de fonctionner pendant une durée environ vingt-quatre fois supérieure à la durée de vie naturelle des qubits, contournant ainsi la limite de temps du matériel et permettant la prévision d'événements non linéaires complexes.

Pour tester leur système, l'équipe a utilisé des données issues d'une simulation de l'air passant devant un cylindre à une vitesse où l'air crée un motif répétitif de vortex tourbillonnants. Ils ont également testé un système de réaction chimique connu sous le nom de modèle de Gray-Scott, qui produit des motifs en spirale complexes et auto-organisés. Dans les deux cas, ils ont d'abord utilisé un ordinateur classique pour compresser la masse énorme de données décrivant les champs de fluides ou chimiques en une représentation plus petite et plus simple. Ces données compressées ont ensuite été injectées dans le processeur quantique. La machine quantique a traité l'information et a renvoyé les résultats à un ordinateur classique, qui a utilisé une formule mathématique simple pour prédire l'étape suivante de la séquence. Ils ont répété ce processus pour prévoir le comportement du système au fil du temps, créant une boucle fermée où la prédiction d'un instant devient l'entrée du suivant.

Les résultats ont montré que l'ajout du processeur quantique à la chaîne de prédiction améliorait considérablement la précision. Comparée à une méthode de prédiction linéaire standard qui n'utilisait pas les caractéristiques quantiques, la nouvelle approche a réduit l'erreur de prédiction de la vitesse et de la pression du fluide de vingt et un à quarante-trois pour cent. Cette amélioration s'est maintenue même lorsque le système a été exécuté sur du matériel quantique réel provenant d'IBM, qui contient jusqu'à cinquante-deux qubits et est sujet au bruit du monde réel. En fait, les chercheurs ont constaté que le bruit du matériel n'a pas ruiné les prédictions ; dans certains cas, le bruit a même aidé le système à mieux généraliser, agissant comme un filtre naturel qui empêchait le modèle de trop s'adapter (overfitting) aux données d'entraînement. Cela suggère que la capacité du système quantique à explorer un vaste espace de possibilités reste utile même lorsque la machine est imparfaite.

L'étude a également mis en évidence les avantages pratiques de cette approche concernant la vitesse et la scalabilité. Bien que l'ordinateur quantique n'ait pas été plus rapide qu'un supercalculateur classique pour résoudre l'intégralité du problème de dynamique des fluides à partir de zéro, la partie spécifique du calcul effectuée par le processeur quantique a été exécutée beaucoup plus rapidement qu'elle ne pourrait l'être simulée sur un ordinateur classique. Pour le système de cinquante-deux qubits, le matériel quantique a accompli la tâche en quelques minutes, alors que simuler exactement le même processus sur un puissant ordinateur classique aurait été impossible en raison de la quantité phénoménale de mémoire requise. Les chercheurs ont noté que cela n'est pas encore un remplacement des supercalculateurs traditionnels, mais que cela prouve que les machines quantiques peuvent apporter des informations précieuses aux tâches de prévision complexes. En démontrant qu'un système quantique peut fonctionner pendant une durée dépassant largement la durée de vie de ses propres composants et produire toujours des résultats précis sur des problèmes réels et non structurés, l'équipe a ouvert une nouvelle voie pour l'utilisation de la technologie quantique dans la simulation scientifique.

Ce travail représente la première fois qu'un ordinateur quantique est utilisé pour prévoir le comportement d'un fluide sur une grille irrégulière et non structurée, une exigence courante en ingénierie que les méthodes quantiques précédentes ne pouvaient pas gérer. Cela marque également la première instance d'une prévision en boucle fermée, où le système quantique prédit une séquence d'états futurs basés sur ses propres prédictions précédentes, le tout en fonctionnant sur un matériel bruyant. Le succès de l'expérience suggère que l'avenir de l'informatique quantique ne réside peut-être pas dans la construction de machines parfaites et sans erreur, mais dans la conception de systèmes capables d'exploiter la puissance de vastes espaces quantiques non entraîés pour trouver des motifs que les ordinateurs classiques pourraient manquer. À mesure que le matériel quantique augmentera en taille et en capacité, des méthodes comme celle-ci pourraient éventuellement aider les scientifiques et les ingénieurs à aborder des problèmes actuellement trop coûteux ou trop lents à résoudre, de la conception d'aéronefs plus efficaces à la prédiction d'événements météorologiques extrêmes.