Hybride quantique-classique : précision de prédiction de turbulence +20 %

L'hybride quantique-classique améliore la précision des prévisions de turbulence de 20 %

Des chercheurs de l'University College London (UCL) ont développé une méthode hybride combinant l'informatique quantique et l'intelligence artificielle qui prédit plus précisément le comportement des systèmes chaotiques, tels que les écoulements turbulents. La nouvelle approche nécessite 100 fois moins de mémoire que les modèles classiques et démontre une amélioration de la précision d'environ 20 %. Les travaux ont été publiés dans une revue à comité de lecture et reposent sur des expériences avec un ordinateur quantique IQM à 20 qubits intégré à des ressources de supercalcul.

Comment fonctionne la méthode hybride

La méthode repose sur une division des tâches : l'ordinateur quantique n'est utilisé que lors de l'extraction des motifs statistiques clés des données, tandis que l'entraînement principal du modèle est effectué sur un supercalculateur classique. Cette approche évite les problèmes liés au bruit et aux erreurs des dispositifs quantiques modernes qui surviennent lors d'un fonctionnement continu.

L'ordinateur quantique analyse les séries temporelles et extrait des propriétés statistiques invariantes — des caractéristiques qui persistent dans le temps même dans les systèmes chaotiques. Ces propriétés sont ensuite transmises à un modèle d'apprentissage automatique classique, qui les utilise comme points d'ancrage supplémentaires pour la prédiction.

Pourquoi cela est important pour la prédiction du chaos

Les systèmes chaotiques, comme la turbulence, sont extrêmement sensibles aux conditions initiales. Les erreurs dans les prédictions croissent rapidement, rendant les prévisions à long terme peu fiables. Les méthodes traditionnelles nécessitent soit des simulations complètes coûteuses, soit des modèles simplifiés qui perdent en précision sur de longs intervalles de temps.

La nouvelle approche hybride résout ce problème en fournissant une représentation plus compacte des données. Les bits quantiques (qubits), grâce à la superposition et à l'intrication, peuvent stocker plus d'informations dans moins d'états. Cela permet au modèle de capturer des corrélations à longue portée dans le système, inaccessibles aux algorithmes classiques.

Principaux avantages de la méthode

• Amélioration de 20 % de la précision par rapport aux modèles d'apprentissage automatique classiques.
• Réduction de 100 fois des besoins en mémoire grâce à la compression quantique des données.
• Prédictions stables sur de longs intervalles de temps.
• Faisabilité pratique sur le matériel quantique existant.

Ce qui compte

• L'approche hybride n'utilise l'ordinateur quantique qu'à une seule étape, évitant les problèmes de bruit.
• La méthode a démontré un avantage quantique pratique dans une tâche de physique computationnelle.
• Les résultats ont été obtenus sur un véritable ordinateur quantique à 20 qubits, et non sur un simulateur.
• Les recherches futures visent à tester la méthode sur des systèmes plus complexes et à développer une base théorique.

Perspectives d'application

Bien que les auteurs ne fassent pas de déclarations audacieuses sur une révolution immédiate dans la modélisation climatique, ces travaux ouvrent la voie à une utilisation pratique de l'informatique quantique dans des tâches nécessitant des prévisions à long terme de systèmes complexes. Cela pourrait trouver des applications dans :

• L'hydrodynamique et l'aérodynamique (conception d'avions, parcs éoliens).
• Les modèles climatiques (prévisions météorologiques et changement climatique).
• La médecine (modélisation du flux sanguin).
• L'énergie (optimisation des processus de combustion).

Importance pour l'industrie

Les travaux de l'UCL sont l'un des rares exemples où un ordinateur quantique apporte un bénéfice mesurable dans une tâche de calcul réelle. Cela pourrait stimuler le développement d'architectures hybrides où les dispositifs quantiques remplissent des fonctions spécialisées plutôt que de tenter de remplacer complètement les ordinateurs classiques.

— Editorial Team