Powered By Blogger

Rechercher sur ce blogue

Aucun message portant le libellé Quantum Artificial Intelligence. Afficher tous les messages
Aucun message portant le libellé Quantum Artificial Intelligence. Afficher tous les messages

samedi 11 juin 2022

Comment l'informatique quantique va changer le monde

 

 

Comment l'informatique quantique va changer le monde

Technologie : Les entreprises explorent déjà le potentiel futur des ordinateurs quantiques, et certains secteurs prévoient de grands changements à venir. Voici huit façons dont l'informatique quantique va changer le monde.

Les plus grandes entreprises du monde lancent actuellement des programmes d'informatique quantique, et les gouvernements injectent des fonds dans la recherche quantique. Pour des systèmes qui n'ont pas encore prouvé leur utilité, les ordinateurs quantiques suscitent certainement beaucoup d'attention.

La raison est que les ordinateurs quantiques, bien qu'ils soient encore loin d'avoir atteint leur maturité, devraient finalement ouvrir une toute nouvelle ère de l'informatique – une ère dans laquelle le matériel n'est plus une contrainte lors de la résolution de problèmes complexes, ce qui signifie que certains calculs qui prendraient des années, voire des siècles, aux systèmes classiques pourraient être réalisés en quelques minutes.

Qu'il s'agisse de simuler des matériaux nouveaux et plus efficaces ou de prédire avec une plus grande précision l'évolution du marché boursier, les ramifications pour les entreprises sont potentiellement énormes. Voici huit cas d'utilisation de la technologie quantique que des organisations de premier plan explorent actuellement et qui pourraient changer radicalement la donne dans des secteurs entiers.

1. Découvrir de nouveaux médicaments

La découverte de nouveaux médicaments repose en partie sur un domaine scientifique appelé "simulation moléculaire" qui consiste à modéliser la manière dont les particules interagissent à l'intérieur d'une molécule pour tenter de créer une configuration capable de combattre une maladie donnée. Ces interactions sont incroyablement complexes et peuvent prendre de nombreuses formes différentes, ce qui signifie qu'une prédiction précise du comportement d'une molécule sur la base de sa structure nécessite d'énormes quantités de calculs.

Il est impossible de le faire manuellement, et l'ampleur du problème est également trop importante pour les ordinateurs classiques actuels. En fait, on estime que la modélisation d'une molécule de seulement 70 atomes prendrait jusqu'à 13 milliards d'années à un ordinateur classique. C'est la raison pour laquelle la découverte de nouveaux médicaments prend autant de temps : les scientifiques adoptent le plus souvent une approche par essais et erreurs, dans laquelle ils testent des milliers de molécules contre une maladie cible dans l'espoir qu'une correspondance réussie sera finalement trouvée.

Les ordinateurs quantiques ont toutefois le potentiel de résoudre un jour le problème de la simulation moléculaire en quelques minutes. Les systèmes sont conçus pour pouvoir effectuer de nombreux calculs en même temps, ce qui signifie qu'ils pourraient simuler de manière transparente toutes les interactions les plus complexes entre les particules qui composent les molécules, permettant ainsi aux scientifiques d'identifier rapidement les candidats aux médicaments efficaces.

Les entreprises pharmaceutiques s'y intéressent : plus tôt cette année, le groupe Roche a annoncé un partenariat avec Cambridge Quantum Computing pour soutenir les efforts de recherche contre la maladie d'Alzheimer. De plus petites entreprises s'intéressent également à cette technologie. La start-up de biologie synthétique Menten AI, par exemple, s'est associée à la société D-Wave pour étudier comment les algorithmes quantiques pourraient aider à concevoir de nouvelles protéines qui pourraient éventuellement être utilisées comme médicaments thérapeutiques.

2. Créer de meilleures batteries

Qu'il s'agisse d'alimenter les voitures ou de stocker l'énergie renouvelable, les batteries contribuent déjà à la transition vers une économie plus verte, et leur rôle ne peut que s'accroître. Mais elles sont loin d'être parfaites : leur capacité est encore limitée, tout comme leur vitesse de charge, ce qui signifie qu'elles ne sont pas toujours une option adéquate.

Une solution consiste à rechercher de nouveaux matériaux dotés de meilleures propriétés pour construire des batteries. Il s'agit là d'un autre problème de simulation moléculaire : cette fois, il s'agit de modéliser le comportement de molécules qui pourraient être des candidats potentiels pour de nouveaux matériaux de batterie.

Comme pour la conception de médicaments, la conception de batteries est donc un autre travail lourd en données qui convient mieux à un ordinateur quantique qu'à un dispositif classique.

C'est pourquoi le constructeur automobile allemand Daimler s'est associé à IBM pour évaluer comment les ordinateurs quantiques pourraient aider à simuler le comportement des molécules de soufre dans différents environnements, l'objectif final étant de construire des batteries lithium-soufre plus performantes, plus durables et moins coûteuses que les batteries au lithium-ion actuelles.

3. Prévoir la météo

Malgré l'énorme puissance de calcul dont disposent les superordinateurs d'aujourd'hui, les prévisions météorologiques – en particulier celles à long terme – peuvent encore être décevantes d'inexactitude. En effet, un événement météorologique peut se manifester d'innombrables façons et les dispositifs classiques sont incapables d'ingérer toutes les données nécessaires à une prédiction précise.

En revanche, tout comme les ordinateurs quantiques peuvent simuler toutes les interactions entre les particules qui se produisent simultanément dans une molécule pour prédire son comportement, ils peuvent modéliser la façon dont d'innombrables facteurs environnementaux se conjuguent pour créer une tempête majeure, un ouragan ou une vague de chaleur.

Et parce que les ordinateurs quantiques seraient capables d'analyser pratiquement toutes les données pertinentes en même temps, ils sont susceptibles de générer des prédictions beaucoup plus précises que les prévisions météorologiques actuelles. Ce n'est pas seulement bon pour la planification de votre prochain événement en plein air : cela pourrait également aider les gouvernements à mieux se préparer aux catastrophes naturelles, ainsi qu'à soutenir la recherche sur le changement climatique.

Les projets dans ce domaine sont plus discrets, mais des partenariats voient le jour pour examiner de plus près le potentiel des ordinateurs quantiques. L'année dernière, par exemple, le Centre européen pour les prévisions météorologiques à moyen terme a lancé un partenariat avec la société Atos, qui comprenait l'accès au simulateur quantique d'Atos, dans le but d'étudier l'impact que l'informatique quantique pourrait avoir sur les prévisions météorologiques et climatiques à venir.

4. Choisir des actions

JP Morgan, Goldman Sachs et Wells Fargo étudient tous activement le potentiel des ordinateurs quantiques pour améliorer l'efficacité des opérations bancaires, un cas d'utilisation souvent présenté comme susceptible de générer d'importantes retombées financières.

La technologie pourrait soutenir les activités des banques de plusieurs manières, mais l'une d'entre elles, déjà prometteuse, est l'application de l'informatique quantique à une procédure connue sous le nom de simulation de Monte-Carlo.

La méthode de Monte-Carlo consiste à fixer le prix des actifs financiers en fonction de l'évolution du prix des actifs connexes dans le temps, ce qui signifie qu'il est nécessaire de tenir compte du risque inhérent aux différentes options, actions, devises et matières premières. La procédure se résume essentiellement à prédire l'évolution du marché, un exercice qui devient de plus en plus précis à mesure que la quantité de données pertinentes augmente.

Les capacités de calcul sans précédent des ordinateurs quantiques pourraient accélérer jusqu'à 1 000 fois les calculs de Monte-Carlo, selon des recherches menées par Goldman Sachs en collaboration avec la société QC Ware. Une nouvelle encore plus prometteuse : les ingénieurs quantiques de Goldman Sachs ont modifié leurs algorithmes pour pouvoir exécuter la simulation de Monte-Carlo sur du matériel quantique qui pourrait être disponible d'ici cinq ans seulement.

5. Traitement du langage

Depuis des décennies, les chercheurs tentent d'apprendre aux ordinateurs classiques à associer un sens aux mots pour essayer de donner un sens à des phrases entières. Il s'agit d'un défi de taille compte tenu de la nature du langage, qui fonctionne comme un réseau interactif : plutôt que d'être la "somme" du sens de chaque mot, une phrase doit souvent être interprétée comme un tout. Et ce, avant même de tenir compte du sarcasme, de l'humour ou de la connotation.

Par conséquent, même les algorithmes classiques de traitement du langage naturel les plus avancés ont toujours du mal à comprendre le sens des phrases de base. Les chercheurs tentent de déterminer si les ordinateurs quantiques sont mieux à même de représenter le langage sous forme de réseau et, par conséquent, de le traiter de manière plus intuitive.

Ce domaine, connu sous le nom de traitement quantique du langage naturel, est l'un des principaux objectifs du Cambridge Quantum Computing. La société a déjà démontré expérimentalement que les phrases peuvent être paramétrées sur des circuits quantiques, où le sens des mots peut être intégré en fonction de la structure grammaticale de la phrase. Plus récemment, Cambridge Quantum Computing a publié lambeq, une boîte à outils logicielle qui peut convertir des phrases en circuit quantique.

6. Aider à résoudre le problème du représentant de commerce

Un vendeur reçoit une liste de villes qu'il doit visiter, ainsi que la distance entre chaque ville, et doit trouver l'itinéraire qui lui fera gagner le plus de temps et lui coûtera le moins cher. Aussi simple qu'il puisse paraître, le problème du représentant de commerce est celui auquel de nombreuses entreprises sont confrontées lorsqu'elles tentent d'optimiser leurs chaînes d'approvisionnement ou leurs itinéraires de livraison.

Avec chaque nouvelle ville ajoutée à la liste des vendeurs, le nombre d'itinéraires possibles se multiplie. Et à l'échelle d'une multinationale, qui est susceptible de traiter des centaines de destinations, quelques milliers de flottes et de délais stricts, le problème devient beaucoup trop important pour qu'un ordinateur classique puisse le résoudre en un temps raisonnable.

Le groupe ExxonMobil, par exemple, a tenté d'optimiser l'acheminement quotidien des navires marchands traversant les océans, soit plus de 50 000 navires transportant jusqu'à 200 000 conteneurs chacun, pour acheminer des marchandises d'une valeur totale de 14 000 milliards de dollars. Certains ordinateurs classiques existent déjà pour relever ce défi. Mais étant donné le nombre considérable de routes possibles à explorer, les modèles doivent inévitablement recourir à des simplifications et à des approximations. ExxonMobil a donc fait équipe avec IBM pour savoir si les algorithmes quantiques pouvaient faire un meilleur travail.

La capacité des ordinateurs quantiques à effectuer plusieurs calculs à la fois signifie qu'ils pourraient parcourir toutes les routes différentes en tandem, ce qui leur permettrait de découvrir la solution la plus optimale beaucoup plus rapidement qu'un ordinateur classique, qui devrait évaluer chaque option de manière séquentielle.

Les résultats d'ExxonMobil semblent prometteurs : les simulations suggèrent que les algorithmes quantiques d'IBM pourraient fournir de meilleurs résultats que les algorithmes classiques une fois le matériel amélioré.

7. Réduire les embouteillages

L'optimisation de la synchronisation des feux de circulation dans les villes, afin qu'ils puissent s'adapter au nombre de véhicules en attente ou à l'heure de la journée, pourrait grandement contribuer à fluidifier le flux de véhicules et à éviter les embouteillages aux carrefours très fréquentés.

C'est un autre problème que les ordinateurs classiques trouvent difficile : plus il y a de variables, plus le système doit calculer de possibilités avant de trouver la meilleure solution. Les ordinateurs quantiques pourraient évaluer différents scénarios en même temps, ce qui permettrait d'atteindre le résultat le plus optimal beaucoup plus rapidement.

Microsoft a travaillé sur ce cas d'utilisation en collaboration avec Toyota Tsusho et la start-up Jij. Les chercheurs ont commencé à développer des algorithmes d'inspiration quantique dans un environnement urbain simulé, dans le but de réduire les embouteillages. Selon les derniers résultats de l'expérience, l'approche pourrait faire baisser les temps d'attente dans le trafic jusqu'à 20 %.

8. Protéger les données sensibles

La cryptographie moderne repose sur des clés générées par des algorithmes pour coder les données, ce qui signifie que seules les parties ayant accès à la clé ont les moyens de déchiffrer le message. Le risque est donc double : les pirates peuvent soit intercepter la clé pour déchiffrer les données, soit utiliser des ordinateurs puissants pour tenter de prédire la clé qui a été générée par l'algorithme.

En effet, les algorithmes de sécurité classiques sont déterministes : une entrée donnée produira toujours la même sortie, ce qui signifie qu'avec une puissance de calcul suffisante, un pirate peut prédire le résultat.

Cette approche nécessite des ordinateurs extrêmement puissants et n'est pas considérée comme un risque à court terme pour la cryptographie. Cependant, le matériel s'améliore et les chercheurs en sécurité préviennent de plus en plus souvent que des clés de chiffrement plus sûres seront nécessaires à un moment donné dans le futur.

Une façon de renforcer les clés est donc de les rendre entièrement aléatoires et illogiques, c'est-à-dire impossibles à deviner mathématiquement. Or, il s'avère que le caractère aléatoire est un élément fondamental du comportement quantique : les particules qui composent un processeur quantique, par exemple, se comportent de manière totalement imprévisible. Ce comportement peut donc être utilisé pour déterminer des clés impossibles à rétroconcevoir, même avec le superordinateur le plus puissant.

La génération de nombres aléatoires est une application de l'informatique quantique dont la commercialisation est déjà proche. La start-up Nu Quantum, par exemple, travaille sur un système capable de mesurer le comportement des particules quantiques pour générer des flux de nombres aléatoires qui peuvent ensuite être utilisés pour construire des clés plus solides.

Source. : ZDNet.com

mercredi 3 septembre 2014

Ordinateur Quantique : Google va construire son propre ordinateur quantique


Afin de ne plus avoir à partager, Google va concevoir son propre ordinateur quantique qui devrait être mis aux services des différents projets touchant les recherches en intelligence artificielle au sein du groupe.




Google va réaliser un saut quantique en matière d’ordinateurs… quantiques. Associé jusqu’à présent avec la NASA et l’USRA au sein du Quantum Artificial Intelligence Lab, le géant américain partageait son accès à un ordinateur quantique.

La firme de Mountain View a décidé de ne plus partager et va donc concevoir et construire un nouvel ordinateur grâce au professeur John Martinis, de l’université de Californie Santa Barbara, et à ses équipes. Le chercheur, qui restera lié à l’université pionnière dans le domaine, dirigera l’équipe Quantum Artificial Intelligence au sein de Google. Elle sera chargée de développer de nouveaux processeurs quantiques reposant sur des supraconducteurs de haute qualité.
© Erick Lucero
« Avec un groupe intégré chargé du matériel, l’équipe de Quantum IA sera maintenant capable d’implémenter et de tester de nouveaux designs pour l’optimisation quantique. Elle pourra également concevoir les processeurs en prenant en compte les derniers progrès théoriques, ainsi que ce que nous avons appris du D-Wave », un ordinateur quantique sur lequel Google a misé avant même de savoir s’il servirait à quelque chose ou fonctionnerait même.

Depuis quelque temps, Google accélère ses investissements dans le domaine de l’intelligence artificielle. Un secteur qui se trouve au cœur de nombreux projets, qu’il s’agisse de la recherche Web traditionnelle pour laquelle Larry Page estime qu’il y a encore beaucoup à faire ou de soutenir des moon shots, comme les Google Cars ou les robots. Ce nouvel effort fait également écho au rachat en janvier dernier de la société DeepMind, spécialisée dans l’intelligence artificielle. Aucune somme sur l’investissement concédé pour cette opération n’est pour l’instant communiquée.
 
 
Source.: