✉ Newsletter
🌐 Français
Recherche3 min de lecture

Des circuits conçus par IA réduisent les estimations de ressources de composants quantiques de base, selon une étude soutenue par QuEra

Une prépublication de chercheurs de Harvard, d’Anthropic et de QuEra indique que des circuits trouvés par une recherche guidée par un grand modèle de langage utilisaient moins de portes Toffoli et moins de qubits dans sept sous-routines sur huit.

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

QuEra Computing a mis en avant le 10 novembre une prépublication réalisée avec Harvard University et Anthropic, selon laquelle un grand modèle de langage, guidé par un vérificateur automatique, a trouvé des circuits quantiques nécessitant moins de ressources que les conceptions standard. La prépublication s’intitule « Discovering state-of-the-art quantum circuits with large language models » (arXiv:2610.22367).

Ce qu’a fait l’étude

Selon le communiqué de QuEra, l’équipe a associé le modèle Claude d’Anthropic à un évaluateur indépendant qui vérifiait chaque circuit proposé et le notait selon deux chiffres : le nombre de portes Toffoli et le nombre de qubits. Le modèle s’est servi de ce retour pour affiner ses conceptions. L’étude portait sur huit briques de base utilisées au sein d’algorithmes quantiques plus vastes. Dans sept cas, les circuits conçus par IA ont réduit à la fois le nombre de portes et les besoins en qubits par rapport aux conceptions de référence ; dans le huitième, la recherche a trouvé un nouveau compromis entre les deux.

Le communiqué précise que les travaux ont été menés par Andi Gu dans le cadre du STEM Fellows Program d’Anthropic, avec Alek Kemeny (Anthropic), Susanne Yelin (Harvard) et Mikhail Lukin (Harvard et QuEra).

Les chiffres communiqués

Le communiqué de QuEra donne trois exemples. Pour un décodeur Reed-Solomon utilisé en decoded quantum interferometry, les portes Toffoli sont passées de 5,1 millions à environ 440 000, avec moins de qubits. Pour un potentiel de Coulomb utilisé en simulation moléculaire, les portes Toffoli sont passées de 6 355 à 1 140 et les qubits de 252 à 142. Pour une fonction gaussienne à virgule fixe, les portes Toffoli sont passées d’environ 24 000 à 1 583 et les qubits de 362 à 139, soit une réduction d’un facteur 39 sur la métrique combinée.

Réserves importantes

Le communiqué lui-même souligne que la métrique combinée multiplie le nombre de portes Toffoli par le nombre maximal de qubits logiques ; une amélioration d’un facteur 39 n’est donc pas une accélération d’un facteur 39. Les résultats sont des estimations de ressources pour des composants isolés, et non des exécutions sur du matériel quantique, et leur effet sur des applications complètes dépend de la façon dont ces composants sont utilisés. L’article est une prépublication et n’a pas encore été évalué par des pairs.

Sources

Les informations de cette page proviennent des sources ci-dessous, collectées par DesignQuantum™.

  1. Harvard, Anthropic, and QuEra research shows AI can reduce the resources quantum applications need (QuEra press release) quera.com