Les modèles génératifs, comme les modèles de diffusion, représentent l’un des développements les plus significatifs en apprentissage automatique (ML) ces dernières années. Des modèles comme Stable Diffusion et Dall.e ont transformé le domaine de la génération d’images. Ils sont capables de produire des images de haute qualité à partir d’une description textuelle.
«Notre nouveau modèle pour la programmation des ordinateurs quantiques fait de même, mais au lieu de générer des images, il génère des circuits quantiques basés sur la description textuelle de l’opération quantique à effectuer», explique Gorka Muñoz-Gil du Département de Physique Théorique de l’Université d’Innsbruck, en Autriche.
Pour préparer un certain état quantique ou exécuter un algorithme sur un ordinateur quantique, il est nécessaire de trouver la séquence appropriée de portes quantiques pour effectuer ces opérations. Alors que cela est relativement simple en informatique classique, c’est un grand défi en informatique quantique, en raison des particularités du monde quantique.
Récemment, de nombreux scientifiques ont proposé des méthodes pour construire des circuits quantiques, en s’appuyant souvent sur des méthodes d’apprentissage automatique. L’entraînement de ces modèles ML est souvent très difficile en raison de la nécessité de simuler des circuits quantiques pendant que la machine apprend. Les modèles de diffusion évitent ces problèmes grâce à leur méthode d’entraînement.
«Cela offre un avantage considérable», indique Gorka Muñoz-Gil, qui a développé cette méthode novatrice avec Hans J. Briegel et Florian Fürrutter. «De plus, nous montrons que les modèles de diffusion de débruitage sont précis dans leur génération et également très flexibles, permettant de générer des circuits avec différents nombres de qubits, ainsi que des types et nombres de portes quantiques.»
Les modèles peuvent également être adaptés pour préparer des circuits qui prennent en compte la connectivité du matériel quantique, c’est-à-dire comment les qubits sont connectés dans l’ordinateur quantique.
«Comme la production de nouveaux circuits est très peu coûteuse une fois le modèle entraîné, on peut l’utiliser pour découvrir de nouvelles perspectives sur les opérations quantiques d’intérêt», ajoute Gorka Muñoz-Gil.
La méthode développée à l’Université d’Innsbruck produit des circuits quantiques basés sur les spécifications de l’utilisateur et adaptés aux caractéristiques du matériel quantique sur lequel le circuit sera exécuté. Cela marque une avancée significative dans l’exploitation du plein potentiel de l’informatique quantique.
Le travail a été publié dans Nature Machine Intelligence et a été soutenu financièrement par le Fonds autrichien pour la science (FWF) et l’Union européenne, entre autres.
Article : « Quantum circuit synthesis with diffusion models » – DOI: 10.1038/s42256-024-00831-9
Légende illustration : La méthode mise au point à l’université d’Innsbruck permet de produire des circuits quantiques basés sur les spécifications de l’utilisateur et adaptés aux caractéristiques du matériel quantique sur lequel le circuit sera exécuté. Crédit : University of Innsbruck/Harald Ritsch
