Alors que des prototypes d’ordinateur quantique encore très limités voient progressivement le jour, un véritable travail de fourmi s’est enclenché, au sein d’une communauté encore trop restreinte, pour comprendre et maîtriser toutes les facettes du calcul quantique, de la modélisation à la réalisation expérimentale, en passant par la solution algorithmique, son analyse, sa programmation et sa vérification. Dans les années 1980, Richard Feynman suggérait qu’un ordinateur fonctionnant selon les règles de la physique quantique pourrait résoudre des problèmes intraitables par un ordinateur classique. Il faudra attendre 2019 pour que Google effectue un calcul sur un prototype de circuit quantique programmable. Cette prouesse, qui remet en question les fondements de la thèse de Church-Turing, a ouvert la voie à nombre de start-up, grandes entreprises du numérique et gouvernements qui s’orientent peu à peu vers cette technologie à laquelle on prédit de larges champs d’application : intelligence artificielle, cryptographie et sécurité, finance, santé. Un travail de grande ampleur s’est enclenché pour comprendre toutes les facettes du calcul quantique, notamment des algorithmes, et relever le défi de ce nouveau tournant technologique. Informaticien, Frédéric Magniez est directeur de l’Institut de recherche en informatique fondamentale (Irif). Il est professeur invité sur la chaire annuelle Informatique et sciences numériques du Collège de France, créée en partenariat avec l’Inria, pour l’année académique 2020-2021.
Alors que des prototypes d’ordinateur quantique encore très limités voient progressivement le jour, un véritable travail de fourmi s’est enclenché, au sein d’une communauté encore trop restreinte, pour comprendre et maîtriser toutes les facettes du calcul quantique, de la modélisation à la réalisation expérimentale, en passant par la solution algorithmique, son analyse, sa programmation et sa vérification. Dans les années 1980, Richard Feynman suggérait qu’un ordinateur fonctionnant selon les règles de la physique quantique pourrait résoudre des problèmes intraitables par un ordinateur classique. Il faudra attendre 2019 pour que Google effectue un calcul sur un prototype de circuit quantique programmable. Cette prouesse, qui remet en question les fondements de la thèse de Church-Turing, a ouvert la voie à nombre de start-up, grandes entreprises du numérique et gouvernements qui s’orientent peu à peu vers cette technologie à laquelle on prédit de larges champs d’application : intelligence artificielle, cryptographie et sécurité, finance, santé. Un travail de grande ampleur s’est enclenché pour comprendre toutes les facettes du calcul quantique, notamment des algorithmes, et relever le défi de ce nouveau tournant technologique. Informaticien, Frédéric Magniez est directeur de l’Institut de recherche en informatique fondamentale (Irif). Il est professeur invité sur la chaire annuelle Informatique et sciences numériques du Collège de France, créée en partenariat avec l’Inria, pour l’année académique 2020-2021.
La recherche en informatique quantique a pris de l’ampleur dans les deux dernières décennies, notamment grâce aux financements massifs des gouvernements et de l’industrie dans les technologies quantiques. L’ordinateur quantique promet de résoudre des problèmes qui jusqu’à présent restaient insurmontables à cause du temps déraisonnable qu’il faudrait pour les résoudre sur les ordinateurs classiques les plus puissants. L’idée de l’ordinateur quantique consiste à utiliser des propriétés quantiques de la matière, telles que l’intrication et la superposition quantique des états, pour effectuer des calculs d’une nouvelle manière. L’informatique quantique requiert un nouveau type d’ordinateur où les bits d’information classique, généralement représentés par la présence ou non de courant à l’entrée d’un transistor, sont remplacés par des bits quantiques aussi appelés qubits, et qui sont représentés par l’état d’un système quantique. De plus, il est nécessaire de développer de nouveaux algorithmes capables d’être implémentés sur un ordinateur quantique et capables de tirer parti de l’avantage quantique. Cette thèse porte sur ces deux composantes complémentaires : la construction de portes logiques, un bloc fondamental de tout ordinateur, et la création de meilleurs algorithmes pour résoudre des problèmes pertinents sur ces machines. Parmi les plateformes les plus avancées pour l’ordinateur quantique, on trouve les circuits supraconducteurs, qui sont la plateforme sur laquelle ont misé Google, IBM, Alice&Bob, Nord Quantique et bien d’autres compagnies. Malgré les avancées des dernières décennies, de nombreux défis restent à être relevés pour que les machines existantes soient en mesure de résoudre des problèmes pertinents et surpassent les ordinateurs classiques. L’un des défis auquel cette thèse s’attaque est la réalisation de portes logiques à deux qubits rapides et à haute fidélité. La rapidité est cruciale pour pouvoir réaliser le plus d’opérations possible avant que les qubits ne perdent leur cohérence quantique, et une haute fidélité est requise pour minimiser les erreurs de calcul et permettre d’implémenter de la correction d’erreurs quantiques. De plus, certains qubits supraconducteurs sont connus pour être affectés par une interaction indésirable, l’interaction ZZ qui, même si relativement faible, affecte la fidélité des portes logiques quantiques, empêchant d’atteindre des fidélités supérieures à 99.9% nécessaires à la correction d’erreurs. En parallèle avec l’amélioration des composantes de l’ordinateur quantique, il est important de développer des applications pour ce nouveau type de machine. Parmi les approches étudiées, les algorithmes quantiques variationnels (VQA) sont ceux qui sont les plus susceptibles d’être déployés sur les ordinateurs quantiques de petites tailles existants. Ce sont des algorithmes hybrides qui nécessitent à la fois de la puissance de calcul classique et quantique. Ces algorithmes semblent prometteurs pour résoudre de nombreux problèmes concrets d’intérêt industriel, comme obtenir les propriétés de molécules ou trouver les solutions de problèmes d’optimisation combinatoire. En effet, ces problèmes peuvent être formulés sous forme d’un Hamiltonien et résolus en déterminant son état fondamental. Dans ce but, les VQAs utilisent un circuit quantique paramétré appelé ansatz, dont les paramètres sont optimisés pour s’approcher de l’état fondamental. Un premier défi consiste à trouver un ansatz qui permette, pour un problème donné, de converger le plus efficacement possible vers la solution. Un deuxième défi est de trouver un circuit fait de portes logiques facilement implémentables sur les plateformes physiques actuelles. Les travaux effectués dans cette thèse apportent des contributions à ces deux défis. Dans la première partie de la thèse, nous introduisons le dispositif que nous avons conçu et qui permet de réaliser des portes d’intrication paramétrique entre deux qubits supraconducteurs. Cette approche a permis à nos collaborateurs du groupe d’Andrew Houck de l’Université de Princeton de réaliser expérimentalement une opération de type √iSWAP en 15 ns avec une fidélité de 98.8%, et ce dans un dispositif où l’interaction ZZ est supprimée. Dans la seconde partie de la thèse, nous avons développé un ansatz pour les VQAs permettant de résoudre le modèle de Fermi Hubbard. Ce nouvel ansatz utilise les avantages de deux ansätze préexistants, et permet d’obtenir l’énergie et l’état fondamental du FHM avec une précision de plusieurs ordres de grandeur supérieure aux ansätze standards, et ce en réduisant significativement le nombre de portes d’intrication CNOT qui sont généralement imparfaites et longues à implémenter.
Un ordinateur est un objet physique effectuant des opérations logiques, il a donc nécessairement besoin d’un substrat physique pour faire ces opérations. Aussi, si la théorie qui sous-tend l’informatique doit beaucoup aux mathématiciens (Turing pour n’en citer qu’un), c’est la physique qui a rendu la réalisation concrète des ordinateurs possible, qu’ils soient réalisés avec des relais électromécaniques, des tubes électroniques ou des transistors. Et cela ne s’arrête pas là : par exemple, d’une part la miniaturisation de ces derniers dans les processeurs fait que les phénomènes quantiques doivent être pris en compte (les électrons risquent de passer d’un fil à un autre par effet tunnel), d’autre part l’accroissement de la vitesse d’horloge rend concrète la barrière qu’est la vitesse de la lumière. Si les ordinateurs ne sont possibles qu’avec une théorie physique suffisamment évoluée, il y a une rétroaction qui se crée, car la physique a beaucoup bénéficié du développement des ordinateurs. Ceux-ci rendent en effet possibles des calculs – d’abord numériques, mais également symboliques – qu’il serait difficile de faire « à la main », pour des questions de temps et « d’erreurs humaines ». Cette possibilité a ouvert la voie à des simulations dans pratiquement toutes les branches de la physique, et ces simulations ont à leur tour pratique- ment créé de nouvelles branches, telle la théorie du chaos. En 1982, Richard Feynman déplorait cependant que les simulations informatiques de processus quantiques ne fussent pas efficaces, et suggérait qu’elles pourraient être bien plus rapides si l’ordinateur était lui-même « quantique » [2]. Dans ce document, nous allons d’abord revenir (chapitre 1) sur ce point et expliquer ce que pourrait faire différemment un ordinateur « quantique ». Nous décrirons ensuite (chapitre 2) les bases théoriques du calcul quantique tel que pourrait le pratiquer un ordinateur de ce type. Nous verrons finalement (chapitre 3) avec l’exemple de l’algorithme de Shor et de la Tranformation de Fourier Quantique qu’au-delà des simulations de processus quantiques, un ordinateur quantique pourrait accélérer dramatiquement d’autres opérations. Nous conclurons sur quelques approches possibles pour la réalisation d’un ordinateur quantique et sur l’existence d’autres applications de la mécanique quantique liées à l’informatique et à la communication qui ne nécessitent pas forcément un tel ordinateur, ainsi que sur des aspects plus philosophiques du calcul quantique.
Le calcul quantique est nouveau paradigme qui sera peut-être en capacité de résoudre certains problèmes intéressants et très spécifiques plus vite qu'un ordinateur classique. Mais pour atteindre le régime dans lequel les ordinateurs quantiques seront plus efficaces que leurs équivalents classiques, plusieurs étapes cruciales doivent être atteintes. Les taux d'erreur des puces quantiques actuelles doivent être drastiquement améliorés, tout comme leur nombre de qubits, les algorithmes doivent évoluer pour prendre en compte le taux d'erreur élevé des puces, les compilateurs et implémentations doivent être adaptés à la puce quantique qui sera utilisée pour l'exécution et les façons d'analyser des états ou programmes quantiques nécessitent des améliorations.Dans cette thèse, nous nous concentrons sur certaines de ces étapes et améliorons l'état de l'art en essayant de se rapprocher le plus possible du régime où les ordinateurs quantiques auront un avantage sur les ordinateurs classiques. Nous commençons par montrer comment nous avons implémenté un algorithme quantique non trivial et analysé son comportement ainsi que les ressources nécessaires à son exécution.Cette analyse a confirmé que les puces quantiques actuelles étaient incapables d'exécuter ce genre d'implémentation, même après avoir pris en compte les subtilités dues au matériel et optimisé grandement le programme. Cet effort d'optimisation a donné lieu à l'implémentation de l'outil qprof, un profileur de programme quantique capable d'analyser des implémentations et de générer un rapport textuel et lisible résumant la hiérarchie des appels et leur coût approximatif.Nous présentons aussi un algorithme classique pour résoudre le problème du routage de qubit, une des étapes les plus coûteuse en terme de porte quantique additionnelle dans les compilateurs de programme quantiques. Cet algorithme permet de prendre en compte les calibrations les plus récentes de la puce quantique visée afin d'adapter le programme quantique compilé aux différents taux d'erreurs de la puce. Nous décrivons comment l'algorithme fonctionne et montrons qu'il apporte une amélioration substantielle de la fidélité de l'état quantique créé par le programme compilé par rapport à l'état de l'art.Nous avons aussi implémenté un algorithme variationnel permettant de résoudre des systèmes linéaires et analysé son comportement sur des puces quantiques actuelles ainsi que les besoins en ressources quantiques afin d'exécuter cet algorithme avec différents systèmes linéaires. Finalement, nous avons effectué une étude sur les erreurs présentes sur des qubits isolés et introduit une nouvelle visualisation permettant de mettre en avant des erreurs systématiques et non mitigées par les calibrations automatiques réalisées à intervalles réguliers sur les puces quantiques.
Cette thèse se situe à la frontière entre l’informatique quantique et l’apprentissage artificiel et a pour objectif le traitement des données dans de très grandes dimensions. L’apprentissage artificiel quantique est un nouveau domaine d’étude avec de récents travaux sur les versions quantiques d’algorithmes supervisés et non supervisés. Ces dernières années, de nombreux algorithmes d’apprentissage artificiel quantique ont été proposés afin d’améliorer le temps de traitement des algorithmes classiques. La première contribution de cette thèse est de donner un aperçu sur le domaine quantique dans l’apprentissage artificiel. Ensuite, la quantification des algorithmes classiques. Nous avons proposé une analyse et une comparaison des différentes distances pour les algorithmes de clustering basés sur des prototypes. Pour un ordinateur conventionnel, calculer les distances euclidiennes est facile, mais le faire de la même manière sur un ordinateur quantique serait beaucoup plus compliqué et exigerait plus de qubits que ce que nous pouvons nous permettre. Pour définir une distance quantique, nous utiliserons la nature probabiliste des qubits pour mesurer les amplitudes probabiliste. Pour les algorithmes de clustering quantique, les distances sont nécessaires mais ne doivent pas nécessairement être proportionnelles à la distance réelle, elles doivent avoir qu’une corrélation positive avec elle. Tous les algorithmes de clustering basés sur des prototypes pourraient être résolus en utilisant ces distances. En tant qu’application de cette tâche, nous avons présenté une version quantique de K-means qui est un algorithme de clustering basé sur un prototype. Cet algorithme quantique K-means donne une bonne classification tout comme sa version classique, la seule différence réside dans la complexité: alors que la version classique de K-means prend du temps polynomial, la version quantique ne prend que du temps logarithmique surtout en grand ensembles de données. Nous avons également proposé la version quantique de la factorisation matricielle seminon négative ainsi que la version collaborative de ces algorithmes à savoir: K-means quantique collaboratif et la factorisation matricielle semi-non négative quantique collaborative qui se basent sur la combinaison de plusieurs solutions de clustering pour obtenir une meilleure solution en termes de clustering et de complexité.
Dans cet article, nous faisons le point sur l’élaboration et l’usage potentiel des ordinateurs quantiques tolérants aux fautes capables de traiter de manière fiable des calculs complexes en surmontant les erreurs et le bruit inhérent aux systèmes quantiques. Dans un premier temps, les intérêts attendus en gains de performance par le calcul quantique sont évoqués ainsi que leurs limites à la fois théoriques et pratiques. Dans un second temps, la nécessaire correction d’erreurs quantiques est abordée. Cette dernière passe par l’encodage de l’information logique, que l’on souhaite protéger, sur un grand nombre de qubits physiques délocalisés afin d’avoir un qubit fiable. Tout en estimant qu’il faut au maximum mille qubits physiques pour obtenir un qubit logique fiable, nous soulignons la difficulté majeure que constitue le passage à l’échelle du nombre de qubits physiques pour résoudre des problèmes réels. Sont ensuite énoncées les différentes technologies de qubits ainsi que leurs enjeux. Puis est abordée la problématique du passage à l’échelle de manière modulaire par l’interconnexion de petits modules quantiques. Une quatrième partie mentionne les enjeux économiques et la coopétition avec les calculateurs classiques et l’IA. Tout en soulignant les progrès en cours et en observant la position française sur cinq voies technologiques, nous appelons aussi à la prudence au regard d’effets d’annonce.
Coût en ressource du calcul quantique grande échelle Cette thèse traite des questions de mise à l'échelle du calcul quantique tolérant aux fautes. Ces questions sont étudiées sous l'angle de l'estimation des ressources nécessaires à la mise en place de tels ordinateurs: maintenant que les premiers prototypes d'ordinateurs quantiques existent, il est temps de commencer à réaliser de telles estimations. Ce que nous appelons ressource est en principe très général, il pourrait s'agir de la puissance, de l'énergie, ou même de la bande passante totale allouée aux différents qubits. Cependant, nous nous focalisons particulièrement sur le coût énergétique du calcul quantique au sein de cette thèse, bien que la plupart des approches utilisées puissent être adapté pour traiter une quelconque autre ressource.Nous étudions dans un premier temps quelle est la précision maximale qu'un ordinateur quantique tolérant aux fautes peut atteindre en présence d'un bruit dépendant de l'échelle, c'est à dire un bruit qui augmente avec le nombre de qubits ou de portes physiques présents dans l'ordinateur. En effet, ce régime peut violer une hypothèse derrière le théorème central de la tolérance aux fautes: le théorème du seuil (« quantum threshold theorem ») qui stipule que la précision des algorithmes implémentés sur un ordinateur quantique peut être arbitrairement grande si ils sont protégés par de la correction d'erreur quantique, si suffisamment de qubits et portes physiques sont à disposition, et si le taux de bruit est en dessous d'un certain seuil. Cette dernière hypothèse devant être vérifiée peu importe le nombre d'éléments physiques dans l'ordinateur, un bruit dépendant de l'échelle peut la violer. Dans le cas où ce bruit dépendant de l'échelle peut être exprimé en fonction d'une ressource, ces estimations permettent (i) d'estimer la précision maximale que l'ordinateur peut atteindre en présence d'une quantité fixée de cette ressource (ce qui permet de déduire la taille maximale des algorithmes que l'ordinateur pourra implémenter, afin de savoir si le bruit dépendant de l'échelle est un réel problème) et réciproquement (ii) d'estimer la quantité de ressource minimale permettant d'atteindre une précision donnée. Dans toute cette thèse, nos calculs sont basés sur le code correcteur d'erreur Steane concaténé (car c'est une construction bien documentée théoriquement, permettant de protéger les qubits contre une erreur arbitraire et permettant de faire des calculs analytiques). Dans un second temps, nous généralisons ces approches afin de pouvoir estimer le coût en ressource d'un calcul dans le cas le plus général. En demandant de trouver la quantité de ressource minimale requise pour effectuer un calcul sous la contrainte que l'algorithme fournisse une réponse correcte avec une probabilité ciblée, il est possible d'optimiser l'intégralité de l'architecture de l'ordinateur permettant de minimiser la dépense en ressource tout en ayant une réponse correcte. Nous appliquons cette démarche à un modèle complet d'ordinateur tolérant aux fautes basé sur des qubits supraconducteurs. Nos résultats indiquent que pour des algorithmes implémentés sur plusieurs milliers de qubits logiques, notre méthode permet de réduire la facture énergétique d'un facteur 100, dans des régimes où sans optimisation la consommation en puissance pourrait dépasser le gigawatt. Ce travail illustre le fait que le coût énergétique du calcul quantique devrait être un critère en soit permettant d'évaluer le potentiel de mise à l'échelle des ordinateurs quantiques. Il illustre aussi que l'optimisation de l'architecture d'un ordinateur quantique, via des méthodes transversales, incluant les aspects algorithmiques, de physique quantique, et d'ingénierie, telles que celles que nous proposons, peut se révéler être un outil puissant permettant d'améliorer grandement le potentiel de mise à l'échelle. Enfin, nous donnons des premières pistes permettant de savoir comment réaliser des ordinateurs quantiques économes en énergie.