Des chercheurs de Harvard proposent une technique innovante pour améliorer la résistance aux erreurs et réduire le « bruit » dans l’informatique quantique
Summary:
Des chercheurs de Harvard ont décrit une méthode pour exécuter des processus d’informatique quantique avec une plus grande résistance aux erreurs et une suppression du bruit dans leur article, « Logical quantum processor based on reconfigurable atom arrays ». Cette percée s’attaque à l’obstacle important du « bruit » dans l’informatique quantique, caractérisé par la sensibilité des qubits aux erreurs. Bien que la correction complète des erreurs n’ait pas encore été réalisée, le processeur de l’équipe introduit une phase de détection des erreurs post-calcul qui identifie et élimine les résultats erronés. Il s’agit là d’une voie innovante permettant aux ordinateurs quantiques d’échapper à l’ère du « bruit quantique à échelle intermédiaire » et d’obtenir un « avantage quantique ». Cependant, des efforts continus sont nécessaires pour que les systèmes quantiques puissent relever des défis informatiques majeurs, bien que les techniques développées soient considérées comme évolutives.
Lorsqu’ils discutent de l’avenir de l’informatique, les experts en technologie font souvent référence aux machines quantiques et à leur capacité unique à résoudre les problèmes auxquels les systèmes binaires traditionnels sont confrontés. Cette supériorité des appareils quantiques, connue sous le nom d'« avantage quantique », exige que ces systèmes soient stables et évolutifs. Selon les spécialistes, le bruit est l’obstacle crucial et le plus important qui entrave l’évolutivité de l’informatique quantique. Des chercheurs de Harvard ont rédigé leurs résultats dans un article intitulé « Logical quantum processor based on reconfigurable atom arrays ». Cet article décrit comment les calculs quantiques peuvent être exécutés avec une meilleure résistance aux erreurs et une plus grande suppression du bruit. Avec cela, ils proclament le début de l’informatique quantique rectifiée par erreur, traçant la voie vers des processeurs logiques à grande échelle.
Les systèmes d’informatique quantique actuels avec moins de 1 000 qubits, l’équivalent quantique d’un bit informatique, sont classés dans la catégorie des systèmes quantiques à échelle intermédiaire bruyante (NISQ), ainsi nommés parce qu’ils sont principalement « bruités ». Ce « bruit » signifie que les qubits sont sensibles aux défauts et aux erreurs ; une situation difficile que les chercheurs de Harvard prétendent avoir surmontée, en obtenant une suppression du bruit à une échelle sans précédent. Cependant, ils n’ont pas encore réussi à éliminer complètement les erreurs.
Le principal défi de l’informatique quantique réside dans la nature des qubits : ils perdent leurs données lors de la mesure. Malheureusement, les mesurer est la seule méthode pour identifier les erreurs. Pour corriger complètement les erreurs, il faudrait inventer un système quantique capable d’identifier et de corriger de manière autonome les erreurs tout au long du processus de calcul. Cependant, il s’agit d’une tâche difficile à accomplir à grande échelle.
Au lieu de corriger les erreurs en cours de calcul, le processeur de l’équipe de Harvard introduit une phase de détection des erreurs post-calcul. Cette phase permet d’identifier et d’éliminer les résultats erronés. Selon la recherche, cette nouvelle approche pourrait éventuellement accélérer la croissance de l’informatique quantique au-delà de l’ère NISQ, nous rapprochant ainsi de l’objectif de l’avantage quantique.
Malgré les progrès, une déclaration de la DARPA suggère que beaucoup plus que les 48 qubits logiques utilisés dans les tests de l’équipe seraient nécessaires pour résoudre tous les problèmes importants auxquels les ordinateurs quantiques sont censés s’attaquer. Cependant, les chercheurs soutiennent que les techniques qu’ils ont développées pourraient être étendues à des systèmes quantiques incorporant plus de 10 000 qubits.
Published At
12/8/2023 12:00:00 AM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.