E.ON, Qoro et le NQCC répartissent un problème de réseau à 1 710 qubits sur des processeurs IBM Heron
Une prépublication d’E.ON, Qoro Quantum et du NQCC découpe une optimisation de réseau à 1 710 variables en petites tâches QAOA regroupées sur des puces IBM Heron.
Cette page a été traduite depuis l'anglais. Les noms d'entreprises et de produits ainsi que les liens vers les sources restent inchangés. Lire l'original en anglais
L’énergéticien E.ON, la start-up britannique de logiciels Qoro Quantum et le centre national britannique de calcul quantique (NQCC) ont montré comment un problème d’optimisation qui nécessiterait 1 710 qubits peut être découpé en morceaux assez petits pour les processeurs actuels d’IBM et exécuté en parallèle. Les travaux sont décrits dans une prépublication, Scaling Quantum Optimization to the Thousand-Qubit Scale with Distributed Quantum Sampling, dont les auteurs comprennent les cofondateurs de Qoro Dan Holme et Stephen DiAdamo.
Ce qui a été annoncé
L’équipe s’est attaquée à la décomposition de Birkhoff minimale, qui cherche à exprimer la demande d’un réseau comme une somme pondérée et creuse de couplages, c’est-à-dire d’ensembles d’arêtes ne partageant aucun sommet. L’article cite l’ordonnancement de réseaux et l’échange d’énergie comme applications. Le cas test était PEGASE-1354, un banc d’essai représentant un réseau de transport de 1 354 nœuds et 1 710 lignes ; dans un encodage direct, chaque ligne devient un qubit.
Selon Quantum Computing Report, le projet a été mené dans le cadre du programme SparQ du NQCC, qui soutient des preuves de concept d’applications quantiques, sous la supervision technique du STFC Hartree Centre.
Les détails techniques
La chaîne de traitement combine un échantillonnage QAOA à une seule couche avec un optimiseur classique Extended Fully-Corrective Frank-Wolfe. Un partitionnement spectral du graphe découpe le problème en sous-problèmes ; QCR fait état de 41 sous-graphes d’au plus 50 qubits chacun, exécutés sur des processeurs IBM Heron de 156 qubits. Les échantillons des différents morceaux sont assemblés, puis une étape classique de réparation gloutonne supprime les arêtes en conflit afin que chaque candidat soit un couplage valide.
L’« empaquetage spatial de circuits », qui exécute plusieurs circuits indépendants côte à côte sur une même puce, a divisé le temps d’exécution matériel par environ trois, selon l’article. QCR indique que quatre circuits indépendants, totalisant 144 qubits, ont été placés sur un seul processeur de 156 qubits. Sur le banc d’essai, les auteurs affirment que les échantillons QAOA réparés ont atteint une erreur résiduelle de décomposition plus faible que le recuit simulé et l’échantillonnage aléatoire uniforme.
Les auteurs ont aussi vérifié que l’étape quantique apportait un réel travail. Réduire les partitions à 20 qubits a dégradé la convergence et, dans des simulations par états produits de matrices, menées avec le moteur Maestro de Qoro selon QCR, tronquer les corrélations quantiques a diminué la qualité des candidats. Ils y voient un argument pour conserver une tâche d’échantillonnage quantique substantielle dans chaque partition à mesure que les problèmes grandissent.
Pourquoi c’est important
De nombreux problèmes d’optimisation à l’échelle des gestionnaires de réseaux dépassent de loin la taille de tout processeur quantique. Cette étude propose une recette concrète — partitionner, empaqueter, réparer — pour traiter sur le matériel actuel des problèmes contraints à des milliers de variables, ainsi qu’un banc d’essai fondé sur un modèle réel du réseau européen.
À surveiller
Battre le recuit simulé avec la même étape de réparation ne revient pas à battre les meilleurs solveurs classiques, et l’article ne revendique pas d’avantage quantique. QCR note que la connectivité du réseau a imposé un routage dense des qubits, avec des profondeurs à deux qubits atteignant 169 même sur des morceaux de 50 qubits : le bruit matériel reste donc le facteur limitant.
Sources
Les informations de cette page proviennent des sources ci-dessous, collectées par DesignQuantum.
- Scaling Quantum Optimization to the Thousand-Qubit Scale with Distributed Quantum Sampling (arXiv:2610.10772) arxiv.org
- E.ON, Qoro Quantum, and NQCC Scale Constrained Optimization on IBM Heron QPUs via Distributed QAOA and Spatial Packing (Quantum Computing Report) quantumcomputingreport.com
- SparQ programme (NQCC) nqcc.ac.uk
- IBM Quantum ibm.com