Dans les années à venir, des systèmes quantiques de plus en plus vastes et puissants devraient s’attaquer à des problèmes difficiles, voire impossibles, à résoudre avec les ordinateurs classiques. Toutefois, plus les simulations quantiques deviennent puissantes, plus il est difficile de vérifier leurs résultats de manière indépendante. Lorsque la simulation classique reste réalisable, les résultats peuvent être recoupés directement avec elle ; au-delà de ce régime, d’autres méthodes sont nécessaires.
Des chercheurs dirigés par Tristan Kraft de l’Université technique de Munich et Peter Zoller de l’Université d’Innsbruck et de l’Institut d’optique quantique et d’information quantique de l’Académie autrichienne des sciences, aux côtés de Barbara Kraus de l’Université technique de Munich, ont maintenant démontré comment caractériser expérimentalement un simulateur quantique et comment les incertitudes qui apparaissent au cours du processus peuvent être traduites en limites d’erreur quantitatives pour ses résultats. L’approche a été démontrée par une équipe dirigée par Manoj Joshi et Christian Roos à l’aide d’un simulateur quantique à pièges à ions contenant jusqu’à 51 ions.
Non seulement le résultat, mais aussi sa précision
Les simulateurs quantiques sont des systèmes physiques qui peuvent être utilisés pour reproduire le comportement d’autres systèmes quantiques. Leur potentiel réside dans la capacité à étudier des systèmes complexes à plusieurs particules, dont le calcul atteint rapidement ses limites avec les ordinateurs classiques. « Mais aucune expérience réelle n’est parfaite », explique Tristan Kraft. « Les interactions peuvent se révéler différentes de ce qui était attendu, le système est influencé par son environnement et les mesures sont également sujettes à des incertitudes. »
Les chercheurs ont maintenant développé une approche qui utilise des données expérimentales pour apprendre comment le simulateur quantique se comporte réellement. « À partir de ces données, nous déterminons les interactions pertinentes ainsi que les influences clés des fluctuations et du bruit. Nous calculons ensuite comment les incertitudes de ce modèle affectent les résultats de simulation », explique Tristan Kraft. « Le simulateur quantique ne fournit ainsi pas seulement une valeur unique, mais un résultat avec des marges d’erreur qui quantifient sa précision. »
La nouvelle méthode a d’abord été testée sur un système de dix ions, dont la dynamique peut encore être calculée à l’aide d’un ordinateur classique. Les modèles obtenus et les limites d’erreur ont été comparés à des mesures indépendantes. Les chercheurs ont ensuite appliqué la méthode à une chaîne de 51 ions et démontré que l’approche peut également s’appliquer à des systèmes nettement plus grands.
Des limites d’erreur également pour la simulation quantique 2D
Les chercheurs vont maintenant appliquer cette approche aux systèmes quantiques bidimensionnels. « C’est particulièrement important car les calculs classiques pour de tels systèmes deviennent beaucoup plus difficiles à mesure que le nombre de particules augmente », explique Peter Zoller, pionnier du calcul quantique. « Cela rend également la vérification indépendante des résultats de plus en plus complexe, ce qui rend la question des limites d’erreur déterminées expérimentalement d’autant plus importante. »
Les chercheurs travaillent à adapter l’approche à la dernière génération de simulateurs quantiques bidimensionnels. Ces systèmes offrent une plus grande précision et permettent d’étudier un plus grand nombre de particules. À long terme, cette approche pourrait également ouvrir une voie vers la mesure quantitative des avantages quantiques. « Après tout, lorsqu’un ordinateur classique et un simulateur quantique s’attaquent au même problème, il ne s’agit pas seulement de savoir lequel fournit un résultat plus rapidement. Ce qui est aussi crucial, c’est de savoir lequel peut résoudre le problème avec une marge d’erreur plus petite et vérifiable », souligne Peter Zoller. À l’avenir, la simulation quantique pourrait être mesurée non seulement par la taille d’un système ou la vitesse à laquelle un calcul est effectué, mais aussi par les problèmes qui peuvent être résolus avec une précision vérifiable.
Article : Bounded-Error Quantum Simulation via Hamiltonian and Lindbladian Learning – Journal : Physical Review X – Méthode : Experimental study – DOI : Lien vers l’étude
Source : Innsbruck U
