Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Optimization and evaluation of integrated HPC-Quantum software stacks

Brice Chichereau

Published Feb 20, 2026• 0 citations
Publisher

Abstract

Optimisation et évaluation des piles logicielles intégrées HPC-Quantiques Cette étude s'est réalisée dans le domaine du calcul quantique (QC), lié en particulier à son intégration dans le calcul haute performance (HPC). Le calcul quantique promet, en exploitant le comportement de systèmes physiques quantiques, des gains en temps de calcul et/ou en qualité des résultats pour un certain nombre de problèmes. Nous nous sommes intéressés particulièrement à l'intégration des piles logicielles HPC et QC, qui englobent tous les outils et programmes qui permettent le développement et l'exécution d'un code : compilateur, bibliothèques, système d'exploitation, etc. Cependant, l'intégration de ces piles logicielles HPC et QC n'est aujourd'hui que peu étudiée et son impact sur les performances des applications n'est pas systématiquement évalué. Ce manque d'évaluation systématique est dû à la fois à la grande différence entre les piles logicielles HPC et QC ainsi qu'à la nouveauté des systèmes hybrides HPC-QC. Tout cela peut engendrer des difficultés lors de l'implémentation, du déploiement et de l'exécution d'applications combinant calcul quantique et calcul haute performance. Aujourd'hui, les caractéristiques des systèmes et piles logicielles HPC et QC sont évaluées séparément, le côté HPC est notamment étudié depuis plusieurs décennies. Cela signifie que ces évaluations ne concernent pas les nouvelles piles logicielles spécifiques aux systèmes hybrides HPC-QC. Par ailleurs, les piles logicielles HPC et QC comportent de nombreuses étapes liées à des problèmes d'optimisation combinatoire et il existe plusieurs algorithmes quantiques qui visent à résoudre ce type de problèmes. Cependant l'intégration de ce type d'algorithme quantique dans les piles logicielles HPC et QC n'est encore que peu étudiée. Tout cela justifie notre étude consistant à évaluer comment l'intégration des piles logicielles HPC-QC présentes et futures pourrait impacter l'exécution des applications. Pour cela, nous avons tout d'abord développé et validé une suite modulaire de benchmarks permettant d'évaluer l'influence des piles logicielles sur la vitesse d'exécution de codes HPC-QC. Cette suite de benchmarks, que nous avons appelée HPCQCMark, vise à fournir un outil ouvert et simple d'utilisation qui permet de rapidement tester plusieurs combinaisons de piles et d'applications HPC-QC. Nous avons ainsi évalué l'impact sur l'exécution de micro-applications de divers aspects des piles logicielles déployées sur les systèmes HPC-QC installés au CEA et au Riken. Cela nous a permis de mettre en avant à la fois des bugs dans les piles testées et plusieurs liens entre certaines caractéristiques des piles et le temps d'exécution des codes. Ayant mis en avant l'existence de ces liens, nous avons voulu déterminer s'il serait possible d'améliorer l'exécution de codes HPC en intégrant du calcul quantique dans une pile logicielle. Pour cela, nous avons conçu des algorithmes hybrides classique-quantique pour l'allocation de registres CPU, une étape importante de la compilation qui est au cœur de la pile logicielle HPC. Ces approches hybrides reposent sur l'utilisation d'algorithmes quantiques variationnels afin de réaliser une partie de l'allocation, qui est représentée sous la forme d'un problème d'optimisation combinatoire. Finalement, nous avons implémenté ces algorithmes hybrides et les avons intégrés dans des compilateurs HPC existants et utilisés par un grand nombre de développeurs. Nous avons ensuite pu évaluer leur capacité à effectivement améliorer la qualité des codes HPC compilés. Cela nous a permis de mettre en avant des situations dans lesquelles le code compilé en utilisant notre méthode hybride avait effectivement un meilleur temps d'exécution qu'en utilisant une méthode classique.

DOI
10.70675/b5b429f5z5244z41c6z9908zba1c808b1131

Related papers

Implémentation, analyse et améliorations bas-niveau d'algorithmes quantiques pour le calcul scientifique

Adrien Suau

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.

•Oct 27, 2022•0 citations

Hybrid quantum-classical algorithms for high performance computing

Océane Koska

Algorithmes hybrides quantiques-classiques pour le calcul haute performance Le calcul haute performance (HPC) constitue aujourd'hui l'outil principal du calcul scientifique à grande échelle, mais les gains de performance sont de plus en plus contraints par des limites architecturales et énergétiques. En parallèle, le calcul quantique est un paradigme émergent, encore en cours de développement, mais déjà prometteur pour l'accélération de certaines briques numériques. Un enjeu central consiste donc à comprendre comment intégrer efficacement des processeurs quantiques au sein des infrastructures HPC existantes, plutôt que de les considérer comme des accélérateurs isolés. L'objectif de cette thèse est d'explorer le calcul hybride quantique-classique, à la fois du point de vue algorithmique et des modèles de programmation. Nous étudions comment combiner de manière cohérente des ressources classiques et quantiques au sein de workflows hybrides, en exploitant les forces respectives de chaque paradigme. Comme cas d'usage principal, nous nous intéressons à la résolution de systèmes linéaires, un noyau fondamental du calcul scientifique et du HPC. Dans un premier temps, nous abordons la problématique de l'encodage de données classiques sous forme de représentations quantiques, qui constitue un goulot d'étranglement majeur des algorithmes hybrides. Nous proposons une amélioration du coût de pré-traitement pour l'encodage de matrice dans des unitaires, via décomposition dans la base de Pauli. Nous introduisons ensuite un solveur hybride reposant sur la Quantum Singular Value Transformation (QSVT). Inspirée de l'algèbre linéaire numérique classique, une approche de raffinement itératif en précision mixte est proposée, combinant des résolutions quantiques basse précision avec des corrections classiques haute précision. Une analyse détaillée de la convergence, des erreurs et des coûts de calcul est présentée, montrant que l'hybridation permet de réduire les ressources quantiques nécessaires pour atteindre une précision donnée. Enfin, nous abordons les aspects de programmation et d'implémentation à travers la conception d'un framework de programmation hybride quantique-classique, Q-Pragma, destiné à faciliter l'intégration de l'accélération quantique dans des environnements HPC existants. Ce travail contribue ainsi au développement de codes hybrides quantique-HPC plus réalistes et exploitables.

•Jun 12, 2026•0 citations

Performance evaluation and control improvements for solving optimization problems on NISQ platforms

Valentin Gilbert

Evaluation de performance et amélioration du paramétrage des systèmes de contrôle pour la résolution de problèmes d'optimisation sur plateformes NISQ Les ordinateurs quantiques actuels sont encore loin de ressembler à l'image idéalisée que pouvaient se faire les pionniers de l'algorithmie quantique : ils sont de taille limitée (ayant au mieux quelques centaines de qubits) et ont un mauvais rapport signal/bruit. Ces ordinateurs sont appelés ordinateurs quantiques bruités de taille intermédiaire (NISQ). Cela ne signifie pas pour autant qu'ils sont seulement des prototypes sans utilité pratique. Les ordinateurs NISQ resteront majoritaires jusqu'au développement de machines employant des méthodes de correction d'erreurs (FTQC). De ce fait, il serait de première importance de faire des investigations sur le type de calcul et d'algorithme qu'il est possible de mettre en oeuvre sur ces machines, en particulier dans le cadre des problèmes d'optimisation basés sur des algorithmes hybrides où l'ordinateur NISQ pourrait être utilisé comme accélérateur de calcul et intégré à un processus classique plus large. L'implémentation d'algorithmes NISQ nécessite des optimisations proches du matériel afin de tirer le meilleur parti de ces nouvelles technologies. Cela inclut de potentielles optimisations à différents niveaux de la pile logicielle quantique allant de la formulation du problème d'optimisation au raffinement des solutions retournées par l'ordinateur quantique, en passant par l'amélioration de la compilation dédiée en fonction de la puce utilisée. Dans cette thèse, nous proposons d'évaluer les limites des annealers quantiques (QA) tels que ceux commercialisés par l'entreprise D-Wave. Cette technologie exploite l'effet tunnel durant son processus d'annealing mais rencontre des difficultés pour trouver des solutions de bonne qualité pour des problèmes d'optimisation binaires quadratiques non contraints (QUBO). Un problème contraint peut être formulé en QUBO en traduisant les contraintes sous forme de pénalités ajoutées à la fonction de coût. Dans le cas du problème de partitionnement de graphe équilibré, la contrainte d'équilibrage est transformée sous forme de pénalités et tend à densifier le problème QUBO. Il est alors difficile de trouver une représentation de ce problème sur les puces quantiques faiblement connectées. C'est ici que la compilation joue un rôle clef mais reste difficile à réaliser. Nous avons développé un cadriciel afin d'évaluer la performance des annealers quantiques basés sur un ensemble d'instances dont la représentation sur puce quantique est optimale. Malgré la bonne qualité de cette représentation, l'annealer quantique est peu compétitif dans la résolution de problèmes d'optimisation par rapport à des méthodes de résolution classiques de l'état de l'art. Nous présentons également un second outil permettant de faciliter la comparaison d'études de performances basées sur des problèmes d'optimisation. Cet outil permet d'évaluer la diversité des propriétés des instances utilisées dans le cadre d'une évaluation de performance. Il permet ainsi d'évaluer le niveau de confiance pouvant être accordé à une étude de performance. Enfin, l'étape de compilation des annealers quantiques permet d'associer un qubit logique à un ensemble de qubits physiques fortement liés. Le bon paramétrage de la force de couplage entre ces qubits physiques permet d'accroître considérablement la performance de l'annealer quantique. Nous introduisons une méthode de recherche dichotomique afin de paramétrer efficacement cette force de couplage.

•Dec 18, 2024•0 citations

The resource cost of large scale quantum computing

Marco Fellous-Asiani

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.

arXiv:2112.04022•Nov 9, 2021•9 citations

Quantum many-body dynamics for combinatorial optimisation and machine learning

Constantin Dalyac

Dynamique quantique à N-corps pour l'optimisation combinatoire et le machine learning L'objectif de cette thèse est d'explorer et de qualifier l'utilisation de la dynamique quantique à N-corps pour résoudre des problèmes industriels difficiles et des tâches d'apprentissage automatique. En tant que collaboration entre des partenaires industriels et universitaires, cette thèse explore les capacités d'un dispositif à atome neutre pour résoudre des problèmes réels. Tout d'abord, nous examinons les problèmes d'optimisation combinatoire et montrons comment les atomes neutres peuvent naturellement encoder un célèbre problème d'optimisation combinatoire appelé le "Maximum Independent Set on Unit-Disk graphs". Ces problèmes apparaissent dans les défis industriels tels que le chargement intelligent des véhicules électriques. L'objectif est de comprendre pourquoi et comment on peut s'attendre à ce qu'une approche quantique résolve ce problème plus efficacement qu'une méthode classique. Les algorithmes que nous proposons sont testés sur un véritable à l'aide d'un ensemble de données provenant d'EDF, la compagnie française d'électricité. Nous explorons en outre l'utilisation d'atomes neutres en 3D pour résoudre des problèmes qui sont hors de portée des méthodes d'approximation classiques. Enfin, nous essayons d'améliorer notre intuition sur les types d'instances pour lesquelles une approche quantique peut (ou ne peut pas) donner de meilleurs résultats que les méthodes classiques. Dans la deuxième partie de cette thèse, nous explorons l'utilisation de la dynamique quantique dans le domaine de l'apprentissage automatique. En plus d'être une grande chaîne de mots à la mode, l'apprentissage automatique quantique (QML) a été de plus en plus étudié ces dernières années. Dans cette partie, nous proposons et mettons en œuvre un protocole quantique pour l'apprentissage automatique sur des ensembles de données de graphes, et nous montrons des résultats prometteurs en ce qui concerne la complexité de l'espace de caractéristiques associé. Enfin, nous explorons l'expressivité des modèles d'apprentissage automatique quantique et présentons des exemples où les méthodes classiques peuvent approximer efficacement les modèles d'apprentissage automatique quantique.

•Oct 20, 2023•0 citations

Quantum variational optimization methods and their applications

Yagnik Chatterjee

Méthodes d'optimisation variationnelles quantiques et leurs applications L'informatique quantique est un domaine en plein essor qui a suscité un intérêt considérable au cours des deux dernières décennies en raison de sa promesse de révolutionner plusieurs domaines des affaires et de la science. Il s'agit d'une nouvelle façon d'effectuer des calculs en utilisant les propriétés fondamentales de la mécanique quantique telles que la superposition et l'intrication. L'optimisation, quant à elle, est un domaine omniprésent dans l'industrie et où de petites améliorations peuvent avoir un impact significatif. Cette thèse vise à résoudre des problèmes d'optimisation à l'aide d'algorithmes quantiques.Les problèmes d'optimisation NP-difficiles ne sont pas considérés comme pouvant être résolus exactement par des algorithmes généraux en temps polynomial. Les algorithmes quantiques variationnels (VQA en anglais) destinés à résoudre ces problèmes combinatoires ont récemment fait l'objet d'un grand intérêt. Ces algorithmes sont heuristiques et visent à obtenir une solution approximative. Cependant, le matériel en est encore à ses débuts et les ordinateurs quantiques bruyants à échelle intermédiaire (NISQ en anglais) actuels ne sont pas en mesure d'optimiser les problèmes d'intérêt industriel. De plus, le stockage des qubits et l'introduction de l'intrication nécessitent des conditions physiques extrêmes. Les algorithmes d'optimisation quantique contemporains, tels que le algorithme d'optimisation approximative quantique, Quantum Approximate Optimization Algorithm (QAOA) en anglais, posent un problème : leur échelle est linéaire en fonction de la taille du problème. Pour résoudre ce problème, nous présentons l'encodage LogQ, qui permet de concevoir des algorithmes variationnels quantiques dont l'échelle est logarithmique avec la taille du problème, ce qui ouvre la voie au traitement de problèmes d'optimisation d'une ampleur sans précédent sur des ordinateurs quantiques basés sur des portes. Nous montrons comment cet algorithme peut être appliqué à plusieurs problèmes d'optimisation combinatoire tels que Maximum Cut, Minimum Partition, Maximum Clique and Maximum Weighted Independent Set (MWIS). Ensuite, ces algorithmes sont testés sur un simulateur quantique avec des graphes de plus d'une centaine de nœuds et sur un véritable ordinateur quantique jusqu'à des graphes de taille 256. À notre connaissance, il s'agit des plus grands problèmes réalistes d'optimisation combinatoire jamais exécutés sur une machine NISQ, dépassant de près de dix fois la taille des problèmes résolus précédemment.Ensuite, nous appliquons le codage LogQ à deux cas d'utilisation pour de grandes entreprises telles que TotalEnergies. La conversion de la flotte est le processus de transition d'une flotte de véhicules vers des alternatives plus durables et plus respectueuses de l'environnement. Il est modélisé comme un schéma de génération de colonnes avec le problème MWIS comme sous-problème ou problème de travailleur. Nous utilisons la méthode LogQ pour résoudre le problème de travailleur MWIS et démontrons comment les solveurs quantiques et classiques peuvent être utilisés ensemble pour aborder un cas d'utilisation de taille industrielle. La segmentation de maillage fait référence au processus de division d'un maillage complexe (composé de sommets, d'arêtes et de faces) en parties ou régions significatives et sémantiquement cohérentes. La segmentation du maillage joue un rôle important dans la modélisation informatique, qui est largement utilisée dans les domaines clés des activités de TotalEnergies, tels que l'imagerie terrestre, la modélisation physique des réservoirs, etc. Nous définissons le problème comme un problème d'optimisation de graphe et utilisons l'encodage LogQ pour le résoudre.

•Oct 9, 2024•1 citation
Optimisation et évaluation des piles logicielles intégrées HPC-Quantiques Cette étude s'est réalisée dans le domaine du calcul quantique (QC), lié en particulier à son intégration dans le calcul haute performance (HPC). Le calcul quantique promet, en exploitant le comportement de systèmes physiques quantiques, des gains en temps de calcul et/ou en qualité des résultats pour un certain nombre de problèmes. Nous nous sommes intéressés particulièrement à l'intégration des piles logicielles HPC et QC, qui englobent tous les outils et programmes qui permettent le développement et l'exécution d'un code : compilateur, bibliothèques, système d'exploitation, etc. Cependant, l'intégration de ces piles logicielles HPC et QC n'est aujourd'hui que peu étudiée et son impact sur les performances des applications n'est pas systématiquement évalué. Ce manque d'évaluation systématique est dû à la fois à la grande différence entre les piles logicielles HPC et QC ainsi qu'à la nouveauté des systèmes hybrides HPC-QC. Tout cela peut engendrer des difficultés lors de l'implémentation, du déploiement et de l'exécution d'applications combinant calcul quantique et calcul haute performance. Aujourd'hui, les caractéristiques des systèmes et piles logicielles HPC et QC sont évaluées séparément, le côté HPC est notamment étudié depuis plusieurs décennies. Cela signifie que ces évaluations ne concernent pas les nouvelles piles logicielles spécifiques aux systèmes hybrides HPC-QC. Par ailleurs, les piles logicielles HPC et QC comportent de nombreuses étapes liées à des problèmes d'optimisation combinatoire et il existe plusieurs algorithmes quantiques qui visent à résoudre ce type de problèmes. Cependant l'intégration de ce type d'algorithme quantique dans les piles logicielles HPC et QC n'est encore que peu étudiée. Tout cela justifie notre étude consistant à évaluer comment l'intégration des piles logicielles HPC-QC présentes et futures pourrait impacter l'exécution des applications. Pour cela, nous avons tout d'abord développé et validé une suite modulaire de benchmarks permettant d'évaluer l'influence des piles logicielles sur la vitesse d'exécution de codes HPC-QC. Cette suite de benchmarks, que nous avons appelée HPCQCMark, vise à fournir un outil ouvert et simple d'utilisation qui permet de rapidement tester plusieurs combinaisons de piles et d'applications HPC-QC. Nous avons ainsi évalué l'impact sur l'exécution de micro-applications de divers aspects des piles logicielles déployées sur les systèmes HPC-QC installés au CEA et au Riken. Cela nous a permis de mettre en avant à la fois des bugs dans les piles testées et plusieurs liens entre certaines caractéristiques des piles et le temps d'exécution des codes. Ayant mis en avant l'existence de ces liens, nous avons voulu déterminer s'il serait possible d'améliorer l'exécution de codes HPC en intégrant du calcul quantique dans une pile logicielle. Pour cela, nous avons conçu des algorithmes hybrides classique-quantique pour l'allocation de registres CPU, une étape importante de la compilation qui est au cœur de la pile logicielle HPC. Ces approches hybrides reposent sur l'utilisation d'algorithmes quantiques variationnels afin de réaliser une partie de l'allocation, qui est représentée sous la forme d'un problème d'optimisation combinatoire. Finalement, nous avons implémenté ces algorithmes hybrides et les avons intégrés dans des compilateurs HPC existants et utilisés par un grand nombre de développeurs. Nous avons ensuite pu évaluer leur capacité à effectivement améliorer la qualité des codes HPC compilés. Cela nous a permis de mettre en avant des situations dans lesquelles le code compilé en utilisant notre méthode hybride avait effectivement un meilleur temps d'exécution qu'en utilisant une méthode classique.
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.
Algorithmes hybrides quantiques-classiques pour le calcul haute performance Le calcul haute performance (HPC) constitue aujourd'hui l'outil principal du calcul scientifique à grande échelle, mais les gains de performance sont de plus en plus contraints par des limites architecturales et énergétiques. En parallèle, le calcul quantique est un paradigme émergent, encore en cours de développement, mais déjà prometteur pour l'accélération de certaines briques numériques. Un enjeu central consiste donc à comprendre comment intégrer efficacement des processeurs quantiques au sein des infrastructures HPC existantes, plutôt que de les considérer comme des accélérateurs isolés. L'objectif de cette thèse est d'explorer le calcul hybride quantique-classique, à la fois du point de vue algorithmique et des modèles de programmation. Nous étudions comment combiner de manière cohérente des ressources classiques et quantiques au sein de workflows hybrides, en exploitant les forces respectives de chaque paradigme. Comme cas d'usage principal, nous nous intéressons à la résolution de systèmes linéaires, un noyau fondamental du calcul scientifique et du HPC. Dans un premier temps, nous abordons la problématique de l'encodage de données classiques sous forme de représentations quantiques, qui constitue un goulot d'étranglement majeur des algorithmes hybrides. Nous proposons une amélioration du coût de pré-traitement pour l'encodage de matrice dans des unitaires, via décomposition dans la base de Pauli. Nous introduisons ensuite un solveur hybride reposant sur la Quantum Singular Value Transformation (QSVT). Inspirée de l'algèbre linéaire numérique classique, une approche de raffinement itératif en précision mixte est proposée, combinant des résolutions quantiques basse précision avec des corrections classiques haute précision. Une analyse détaillée de la convergence, des erreurs et des coûts de calcul est présentée, montrant que l'hybridation permet de réduire les ressources quantiques nécessaires pour atteindre une précision donnée. Enfin, nous abordons les aspects de programmation et d'implémentation à travers la conception d'un framework de programmation hybride quantique-classique, Q-Pragma, destiné à faciliter l'intégration de l'accélération quantique dans des environnements HPC existants. Ce travail contribue ainsi au développement de codes hybrides quantique-HPC plus réalistes et exploitables.
Evaluation de performance et amélioration du paramétrage des systèmes de contrôle pour la résolution de problèmes d'optimisation sur plateformes NISQ Les ordinateurs quantiques actuels sont encore loin de ressembler à l'image idéalisée que pouvaient se faire les pionniers de l'algorithmie quantique : ils sont de taille limitée (ayant au mieux quelques centaines de qubits) et ont un mauvais rapport signal/bruit. Ces ordinateurs sont appelés ordinateurs quantiques bruités de taille intermédiaire (NISQ). Cela ne signifie pas pour autant qu'ils sont seulement des prototypes sans utilité pratique. Les ordinateurs NISQ resteront majoritaires jusqu'au développement de machines employant des méthodes de correction d'erreurs (FTQC). De ce fait, il serait de première importance de faire des investigations sur le type de calcul et d'algorithme qu'il est possible de mettre en oeuvre sur ces machines, en particulier dans le cadre des problèmes d'optimisation basés sur des algorithmes hybrides où l'ordinateur NISQ pourrait être utilisé comme accélérateur de calcul et intégré à un processus classique plus large. L'implémentation d'algorithmes NISQ nécessite des optimisations proches du matériel afin de tirer le meilleur parti de ces nouvelles technologies. Cela inclut de potentielles optimisations à différents niveaux de la pile logicielle quantique allant de la formulation du problème d'optimisation au raffinement des solutions retournées par l'ordinateur quantique, en passant par l'amélioration de la compilation dédiée en fonction de la puce utilisée. Dans cette thèse, nous proposons d'évaluer les limites des annealers quantiques (QA) tels que ceux commercialisés par l'entreprise D-Wave. Cette technologie exploite l'effet tunnel durant son processus d'annealing mais rencontre des difficultés pour trouver des solutions de bonne qualité pour des problèmes d'optimisation binaires quadratiques non contraints (QUBO). Un problème contraint peut être formulé en QUBO en traduisant les contraintes sous forme de pénalités ajoutées à la fonction de coût. Dans le cas du problème de partitionnement de graphe équilibré, la contrainte d'équilibrage est transformée sous forme de pénalités et tend à densifier le problème QUBO. Il est alors difficile de trouver une représentation de ce problème sur les puces quantiques faiblement connectées. C'est ici que la compilation joue un rôle clef mais reste difficile à réaliser. Nous avons développé un cadriciel afin d'évaluer la performance des annealers quantiques basés sur un ensemble d'instances dont la représentation sur puce quantique est optimale. Malgré la bonne qualité de cette représentation, l'annealer quantique est peu compétitif dans la résolution de problèmes d'optimisation par rapport à des méthodes de résolution classiques de l'état de l'art. Nous présentons également un second outil permettant de faciliter la comparaison d'études de performances basées sur des problèmes d'optimisation. Cet outil permet d'évaluer la diversité des propriétés des instances utilisées dans le cadre d'une évaluation de performance. Il permet ainsi d'évaluer le niveau de confiance pouvant être accordé à une étude de performance. Enfin, l'étape de compilation des annealers quantiques permet d'associer un qubit logique à un ensemble de qubits physiques fortement liés. Le bon paramétrage de la force de couplage entre ces qubits physiques permet d'accroître considérablement la performance de l'annealer quantique. Nous introduisons une méthode de recherche dichotomique afin de paramétrer efficacement cette force de couplage.
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.
Dynamique quantique à N-corps pour l'optimisation combinatoire et le machine learning L'objectif de cette thèse est d'explorer et de qualifier l'utilisation de la dynamique quantique à N-corps pour résoudre des problèmes industriels difficiles et des tâches d'apprentissage automatique. En tant que collaboration entre des partenaires industriels et universitaires, cette thèse explore les capacités d'un dispositif à atome neutre pour résoudre des problèmes réels. Tout d'abord, nous examinons les problèmes d'optimisation combinatoire et montrons comment les atomes neutres peuvent naturellement encoder un célèbre problème d'optimisation combinatoire appelé le "Maximum Independent Set on Unit-Disk graphs". Ces problèmes apparaissent dans les défis industriels tels que le chargement intelligent des véhicules électriques. L'objectif est de comprendre pourquoi et comment on peut s'attendre à ce qu'une approche quantique résolve ce problème plus efficacement qu'une méthode classique. Les algorithmes que nous proposons sont testés sur un véritable à l'aide d'un ensemble de données provenant d'EDF, la compagnie française d'électricité. Nous explorons en outre l'utilisation d'atomes neutres en 3D pour résoudre des problèmes qui sont hors de portée des méthodes d'approximation classiques. Enfin, nous essayons d'améliorer notre intuition sur les types d'instances pour lesquelles une approche quantique peut (ou ne peut pas) donner de meilleurs résultats que les méthodes classiques. Dans la deuxième partie de cette thèse, nous explorons l'utilisation de la dynamique quantique dans le domaine de l'apprentissage automatique. En plus d'être une grande chaîne de mots à la mode, l'apprentissage automatique quantique (QML) a été de plus en plus étudié ces dernières années. Dans cette partie, nous proposons et mettons en œuvre un protocole quantique pour l'apprentissage automatique sur des ensembles de données de graphes, et nous montrons des résultats prometteurs en ce qui concerne la complexité de l'espace de caractéristiques associé. Enfin, nous explorons l'expressivité des modèles d'apprentissage automatique quantique et présentons des exemples où les méthodes classiques peuvent approximer efficacement les modèles d'apprentissage automatique quantique.
Méthodes d'optimisation variationnelles quantiques et leurs applications L'informatique quantique est un domaine en plein essor qui a suscité un intérêt considérable au cours des deux dernières décennies en raison de sa promesse de révolutionner plusieurs domaines des affaires et de la science. Il s'agit d'une nouvelle façon d'effectuer des calculs en utilisant les propriétés fondamentales de la mécanique quantique telles que la superposition et l'intrication. L'optimisation, quant à elle, est un domaine omniprésent dans l'industrie et où de petites améliorations peuvent avoir un impact significatif. Cette thèse vise à résoudre des problèmes d'optimisation à l'aide d'algorithmes quantiques.Les problèmes d'optimisation NP-difficiles ne sont pas considérés comme pouvant être résolus exactement par des algorithmes généraux en temps polynomial. Les algorithmes quantiques variationnels (VQA en anglais) destinés à résoudre ces problèmes combinatoires ont récemment fait l'objet d'un grand intérêt. Ces algorithmes sont heuristiques et visent à obtenir une solution approximative. Cependant, le matériel en est encore à ses débuts et les ordinateurs quantiques bruyants à échelle intermédiaire (NISQ en anglais) actuels ne sont pas en mesure d'optimiser les problèmes d'intérêt industriel. De plus, le stockage des qubits et l'introduction de l'intrication nécessitent des conditions physiques extrêmes. Les algorithmes d'optimisation quantique contemporains, tels que le algorithme d'optimisation approximative quantique, Quantum Approximate Optimization Algorithm (QAOA) en anglais, posent un problème : leur échelle est linéaire en fonction de la taille du problème. Pour résoudre ce problème, nous présentons l'encodage LogQ, qui permet de concevoir des algorithmes variationnels quantiques dont l'échelle est logarithmique avec la taille du problème, ce qui ouvre la voie au traitement de problèmes d'optimisation d'une ampleur sans précédent sur des ordinateurs quantiques basés sur des portes. Nous montrons comment cet algorithme peut être appliqué à plusieurs problèmes d'optimisation combinatoire tels que Maximum Cut, Minimum Partition, Maximum Clique and Maximum Weighted Independent Set (MWIS). Ensuite, ces algorithmes sont testés sur un simulateur quantique avec des graphes de plus d'une centaine de nœuds et sur un véritable ordinateur quantique jusqu'à des graphes de taille 256. À notre connaissance, il s'agit des plus grands problèmes réalistes d'optimisation combinatoire jamais exécutés sur une machine NISQ, dépassant de près de dix fois la taille des problèmes résolus précédemment.Ensuite, nous appliquons le codage LogQ à deux cas d'utilisation pour de grandes entreprises telles que TotalEnergies. La conversion de la flotte est le processus de transition d'une flotte de véhicules vers des alternatives plus durables et plus respectueuses de l'environnement. Il est modélisé comme un schéma de génération de colonnes avec le problème MWIS comme sous-problème ou problème de travailleur. Nous utilisons la méthode LogQ pour résoudre le problème de travailleur MWIS et démontrons comment les solveurs quantiques et classiques peuvent être utilisés ensemble pour aborder un cas d'utilisation de taille industrielle. La segmentation de maillage fait référence au processus de division d'un maillage complexe (composé de sommets, d'arêtes et de faces) en parties ou régions significatives et sémantiquement cohérentes. La segmentation du maillage joue un rôle important dans la modélisation informatique, qui est largement utilisée dans les domaines clés des activités de TotalEnergies, tels que l'imagerie terrestre, la modélisation physique des réservoirs, etc. Nous définissons le problème comme un problème d'optimisation de graphe et utilisons l'encodage LogQ pour le résoudre.