Comprendre l’informatique quantique – adiabatique

Publié le 13 août 2018 et mis à jour le 17 août 2018 - Commenter -
PDF Afficher une version imprimable de cet article

Après avoir brossé un tableau général des acteurs du marché des ordinateurs quantiques dans cette longue série estivale destinée à décrypter le complexe monde de l’informatique quantique, nous allons creuser l’offre des ordinateurs quantiques adiabatiques utilisant le recuit quantique.

Le recuit quantique, “quantum annealing” en anglais, est une technologie particulière d’ordinateur quantique qui repose bien sur la mécanique quantique et des qubits, mais avec des caractéristiques et niveaux de performance intermédiaires entre ceux des supercalculateurs traditionnels et ceux des ordinateurs quantiques universels. Il n’existe qu’un seul acteur commercial sur ce marché : le Canadien D-Wave. Le principe général consiste à établir des liaisons entre qubits avec des poids, comme dans des réseaux de neurone du deep learning, puis à faire trouver un point d’équilibre au système en modifiant ces poids pour identifier un minimum énergétique de l’ensemble. Ce minimum doit correspond à la solution recherchée du problème. Le processus est dit adiabatique car il n’y a pas de transfert énergétique entre le chipset de l’ordinateur et son environnement.

Côté recherche, cette voie est aussi explorée par la Advanced Research Projects Agency (IARPA), qui fait partie de l’Office of the Director of National Intelligence (ODNI) qui coordonne le renseignement américain à la Maison Blanche. C’est intégré dans le projet Quantum-Enhanced Optimization (QEO) qui vise à créer un calculateur adiabatique n’ayant pas certaines des limitations de ceux de D-Wave, notamment en termes de connectivité et de qualité des qubits employés. Comme il se doit au vu de la mission de l’IARPA, l’objectif est d’accélérer la mise en production d’ordinateurs quantiques capables d’exécuter l’algorithme de Shor de factorisation de nombre entiers pour casser la sécurité à clés publiques de communications interceptées.

Je cite également ici le Japonais Fujitsu qui annonçait début juin 2018 un ordinateur à recuit digital fonctionnant à température ambiante, mais sans faire appel à du quantique. Il concurrence directement l’offre de D-Wave mais avec une solution qui semble plus simple à mettre en œuvre.

D-Wave logo

Situé à Vancouver, le Canadien D-Wave est le seul fournisseur d’ordinateurs quantiques commerciaux à ce jour, en mettant de côté ceux qui proposent l’accès à des ordinateurs quantiques limités en nombre de qubits dans le cloud. Même s’il s’agit d’ordinateurs adiabatiques présentant des limitations techniques par rapport aux ordinateurs quantiques universels, ils ont l’avantage d’exister, de faire avancer le secteur et de permettre le test d’algorithmes quantiques dans une large gamme d’applications. Celles-ci semblent cependant demeurer des “proofs of concept” d’après les études de cas publiées.

L’histoire de cette startup qui a levé $194M est fascinante pour ce qui est du timing. Créée en 1999, elle met 8 ans à prototyper sa première puce de qubits, contenant 4 qubits. Il leur faut en tout 10 ans pour vendre un premier ordinateur quantique. Quelle patience pour leurs investisseurs ! Pendant ces 10 ans, ils lèvent $31M. Ils obtiennent ensuite un financement de $1,2M en 2012 de la part d’InQTel, le fonds d’investissement de la CIA. Les levées de fonds suivantes, dont une partie est en obligations convertibles, leur permettent de tenir le coup, en plus des premières commandes dont certaines sont publiques et d’autres confidentielles. Ces dernières viennent au minimum de la NSA, si ce n’est d’autres services de renseignement occidentaux, probablement chez les partenaires de l’alliance “five eyes” que sont les pays du Commonwealth comme UK, l’Australie, le Canada et la Nouvelle-Zélande. En 2011, D-Wave signait d’ailleurs un partenariat avec Lockheed Martin, qui travaille beaucoup pour la NSA. En tout, la startup a obtenu 13 tours de financements !

D-Wave a été créé par Geordie Rose (leur premier CTO et un moment CEO), Haig Farris, Bob Wiens et Alexandre Zagoskin, anciennement en charge de la recherche. Geordie Rose a obtenu un doctorat en physique des matériaux au milieu des années 1990 à l’University of British Columbia. La création de D-Wave est donc en ligne droite de ces travaux. Il rencontra Haig Farris pendant ses études alors que ce dernier enseignait l’économie.

L’équipe de direction de D-Wave de 2018 n’a plus grand chose à voir avec celle de ses créateurs. Un seul des cofondateurs en fait encore partie, Eric Ladizinsky, qui joue un rôle de Chief Scientist. Le CEO depuis 2009 est Vern Brownell et le Président est Bo Ewald (qui intervenait à VivaTech 2018), en charge du business development à l’international. Leur CTO est un certain Alan Baratz qui a rejoint la société en 2017. On sent une forme de reprise en main.

Le cofondateur Geordie Rose a ensuite créé Kindred.ai, une startup qui vise à intégrer une intelligence générale (AGI) dans les robots. Il est devenu un véritable “singulariste”. Ses interventions publiques sont assez déjantées. Il s’exprime ainsi sur les démons et sur les extraterrestres. Il quitte Kindred.ai début 2018 pour créer Sanctuary, une spin-off de Kindred, dédiée à l’AGI, la quête du Graal de l’intelligence artificielle générale !

Poupees russes D-Wave

D-Wave a développé sa solution de bout en bout d’ordinateur adiabatique à recuit quantique. Cela commence avec les puces quantiques, puis va jusqu’à l’ordinateur complet avec une enceinte de 16 couches de protection magnétique plus un système de réfrigération utilisant de l’hélium 3 et 4 liquide, dont la combinaison est nécessaire pour atteindre les 10 à 20 mK (milli-Kelvin, sachant que 0K = –273,15°C). Le système de cryogénie consomme environ 20KW. C’est à peu près l’essentiel de la consommation électrique de l’ordinateur qui s’élève au total à 25 KW. Les 5K qui restent sont surtout liés aux systèmes de contrôle informatique traditionnels qui sont externes à l’unité quantique de l’ordinateur. Un ordinateur quantique, hors refroidissement présente en effet la particularité d’être plutôt économe en énergie, surtout en comparaison de leurs équivalents dans les supercalculateurs.

Leur roadmap a avancé régulièrement avec les trois premières générations de prototypes entre 2007 et 2009 puis, à partir de 2012, quatre générations d’ordinateurs commerciaux, à commencer par le D-Wave One en 2012 avec ses 128 qubits et jusqu’au D-Wave 2000Q de 2017 avec ses 2048 qubits et 5600 coupleurs reliant les qubits par paires et 128 000 jonctions Josephson. La prochaine génération est attendue aux alentours de 2019 avec 5000 qubits et un décuplement de la puissance provenant notamment d’une amélioration de la connexion entre qubits. Les chipsets de D-Wave sont fabriqués aux USA dans une unité de production de composants du Californien Cypress Semiconductors. Le D-Wave 2000Q est commercialisé au prix catalogue de $15K.

D-Wave roadmap

Le principe de base de l’ordinateur quantique adiabatique consiste à préparer ce que l’on appelle un “hamiltonien”, un système quantique avec plusieurs qubits interconnectés. Cet hamiltonien est initialisé dans un état qui est proche de la solution du problème que l’on souhaite résoudre. L’ordinateur va alors faire évoluer cet hamiltonien de façon adiabatique vers le hamiltonien de la solution du problème posé en respectant un grand nombre de contraintes préalables que je ne vais pas décrire ici.

Cela relève de la recherche d’un minimum énergétique. Elle est facilitée par l’effet tunnel quantique qui permet au système de trouver facilement des minimums globaux au lieu d’être coincé dans des minimums locaux, un problème qui rappelle celui de la descente de gradient dans l’entraînement de réseaux de neurones.

Ce type d’ordinateur est capable de résoudre des problèmes dits NP-complets, une catégorie des problèmes de logique qui théoriquement résolus dans un temps polynomial mais qui le sont en pratique en temps exponentiel. Je vous passe les détails sur les débats sur les problèmes P, NP, NP-complet et sur l’équivalence recherchée entre problèmes P et NP ! C’est le cas des problèmes de routage, de définition de parcours de voyageurs du commerce et équivalents. En théorie, les algorithmes conçus pour des ordinateurs quantiques universels avec des portes quantiques exécutées séquentiellement peuvent être convertis en algorithmes exécutables sur ce type d’ordinateur et réciproquement. C’est documenté dans Adiabatic quantum computation is equivalent to standard quantum computation, 2005 (30 pages) que nous avons déjà cité dans une partie précédente portant sur la complexité des problèmes gérables par des ordinateurs quantiques ainsi que dans How Powerful is Adiabatic Quantum Computation? de Wim van Dam, Michele Mosca et Umesh Vazirani, 2001 (12 pages).

D-Wave Qubits

Les qubits des ordinateurs de D-Wave ont la particularité d’être connectés à leurs voisins immédiats, pas à l’ensemble des qubits du système. Mais ils peuvent tout de même être mis en cohérence avec de nombreux qubits distants. C’est une architecture que l’on retrouve cependant dans certains qubits supraconducteurs universels. Elle présente divers inconvénients comme une montée en puissance qui n’est pas exponentielle avec l’ajout de qubits, mais dite quadratique, soit, en fonction de la racine carrée de leur nombre. Elle n’offre donc pas les améliorations de performance qui sont apportées par les ordinateurs quantiques universels. Cf à ce sujet Limits of quantum computing de Jon Borwein (2016).

L’initialisation du D-Wave 2000Q dure 25 ms, le temps de convergence du système (annealing) est de 20 microsecondes (μs) et le temps de lecture dure 260 microsecondes, ces deux étapes étant généralement répétées plusieurs fois et les résultats moyennés, une pratique qui ne semble pas être de rigueur avec les ordinateurs quantiques à portes universelles.

Selon John Preskill dans Quantum Computing for Business, 2017 (41 slides), il n’existe pas de base théorique convaincante de l’avantage du recruit quantique qui est une des formes d’ordinateur quantique adiabatique. Selon lui, cette architecture n’est pas théoriquement aussi scalable que les ordinateurs quantiques universels. Qui plus est, un même algorithme va demander beaucoup plus de qubits avec D-Wave qu’avec un ordinateur quantique universel, sachant que le rapport actuel est de 2048 vs 50 côté disponibilité, ce qui égalise les choses.

Comme tous les grands acteurs du quantique, D-Wave a développé une plateforme logicielle supportant les couches basses de la création d’algorithmes quantiques pour ses machines. Ils ont aussi quelques partenaires logiciels comme 1QBit. Les outils proposés comprennent à haut niveau Qsage, un outil qui sert à définir des problèmes d’optimisation, ToQ, un outil équivalent pour la programmation par contraintes, puis à un niveau intermédiaire, qbsolv qui permet de distribuer un problème complexe sur plusieurs passes de D-Wave et au niveau le plus bas, les instructions QMI pour piloter les qubits. Ils proposent aussi Quadrant, un framework permettant de préparer des D-Wave pour résoudre des problèmes de machine learning.

Comme les ordinateurs D-Wave sont les seuls qui soient utilisés chez des clients, les études de cas d’usage sont les plus nombreuses, même si elles sont assez exotiques et relèvent le plus souvent de “proof of concepts”. La plus connue est celle Google et de la NASA réalisée avec un D-Wave de 2013 pour la résolution d’un problème d’optimisation et de combinatoire dans un graphe dont l’algorithme avait été conçu en 1994.

NASA Google case study 2015

La performance affichée par Google et documentée dans What is the Computational Value of Finite Range Tunneling (17 pages) était 100 millions de fois supérieure à celle d’ordinateurs traditionnels. Les éléments de comparaison portaient sur deux algorithmes leur étant destiné le “simulated annealing”, simulant l’ordinateur D-Wave sur ordinateurs classiques et une QMC (Quantum Monte Carlo) optimisée pour ordinateur traditionnel, et qui donne de meilleurs résultats en termes de montée en puissance que l’émulation du quantique sur HPC. Les critiques ont été nombreuses sur cette performance, dont Temperature scaling law for quantum annealing optimizers, 2017 (13 pages), qui pointe les limitations du recuit quantique.

Le layout physique de qubits utilisé pour résoudre ce problème exploitait respectivement 296, 489 et 945 qubits, comme illustré ci-dessous.

NASA Google case study 2015 Layout

D-Wave communique sur quelques-unes de ses références :

  • Chez l’équipementier japonais Denso, présentée au CES 2017 de Las Vegas, qui sert à gérer l’optimisation d’une flotte de véhicules de livraison de Toyota.
  • Avec Volkswagen pour gérer l’exploitation d’une flotte de taxis à Beijing et pour mettre au point de nouvelles batteries (source).

Etudes de cas D-Wave

  • La plus étonnante est cette analyse de sondages a posteriori de l’élection présidentielle par QxBranch. Elle anticipe un flottement dans les swing states qui ont décidé de l’élection de Trump via des analyses de corrélations entre états avec des matrices de corrélation difficiles à calculer en temps normal. En gros, l’algorithme amplifie les phénomènes “de battements d’ailes de papillons” à l’aide de machines de Boltzmann. Petit détail : cette prévision a été réalisée après l’élection en question, ce qui enlève une bonne partie de son intérêt ! Qxbranch est une startup australienne qui a aussi créé une solution quantique dans la finance. La NASA aurait aussi utilisé D-Wave pour détecter des exoplanètes.

D-Wave QxBranch Trump

Pour en savoir plus sur D-Wave, voici leurs explications sur la structure de leur matériel, une vidéo d’explication de la structure des chipsets de D-Wave, une vidéo de Linus, un bloggeur qui rentre dans les entrailles d’un D-Wave 2000Q de manière assez détaillée, D-Wave quantum computer de Gradu Amaierako Lana, 2016 (33 pages), la vidéo de l’intervention de Colin Williams à USI en juin 2018 à Paris (33 minutes) ainsi que Near-Term Applications of Quantum Annealing, 2016, une présentation de Lockheed Martin intéressantes sur les usages d’un ordinateur D-Wave (34 slides). Et les témoignages de leurs clients dans Qubits 2017.

En résumé : le recuit quantique a beau être une technique contestée par nombre de spécialistes, elle a le mérite d’exister et d’être testable dans de nombreux cas d’usages. Il serait bête de s’en priver pour commencer à explorer les possibilités du calcul quantique quitte à se rabattre ensuite sur les ordinateurs quantiques universels lorsque ceux-ci dépasseront la centaine de qubits logiques.

Logo Fujitsu

Fujitsu est un des leaders mondiaux du marché des supercalculateurs. Il était donc logique, comme pour le Français Atos, qu’ils explorent des moyens de continuer à faire monter en puissance leur offre.

Fin mai 2018, le Japonais annonçait avoir mis au point un ordinateur utilisant le recuit digital à température ambiante. Il scalerait bien mieux que ceux de D-Wave. Voir Fujitsu’s CMOS Digital Annealer Produces Quantum Computer Speeds, 2018.

La technologie dénommée “Digital Annealer” est développée sur silicium en CMOS et en partenariat avec l’Université de Toronto. Elle serait déjà proposée dans le cloud. Elle sert à résoudre des problèmes d’optimisation et notamment à réaliser du criblage de molécules dans les biotechs.

Le “Digital Annealer” est un chipset dédié comportant 1 024 blocs de mise à jour de bits intégrant de la mémoire pour stocker leurs poids et avec une précision de 16 bits, des blocs logiques pour réaliser des inversion de valeurs, et les circuits de contrôle associés. Cela fait penser à des réseaux de neurones à base de memristors dans le principe. Comme pour les D-Wave, les problèmes sont chargés dans le système sous forme de matrices avec des biais dans les liaisons entre éléments et le système recherche un état d’énergie minimum pour résoudre le problème. La partie logicielle est fournie par le Canadien 1QBit, dans lequel ils ont investi.

DAU

Ce système n’est cependant pas du tout quantique ! Il concurrence malgré tout directement D-Wave. Son concepteur, Hidetoshi Nishimori, du Tokyo Institute of Technology, pense que Fujitsu arrivera à créer des solutions plus performantes que celles de D-Wave. Il prévoit de produire des puces de 8192 blocs en 2019 et d’atteindre un million de blocs plus tard alors que la montée en puissance prévue de D-Wave est bien plus lente. Bref, le CMOS classique n’a pas dit son dernier mot !

______________________________

Dans la partie suivante, nous ferons le tour des acteurs des ordinateurs quantiques supraconducteurs universels, notamment IBM, Google, Intel et Rigetti.

RRR

 
S
S
S
S
S
S
S
img
img
img

Publié le 13 août 2018 et mis à jour le 17 août 2018 Post de | Quantique | 2699 lectures

PDF Afficher une version imprimable de cet article          

Reçevez par email les alertes de parution de nouveaux articles :


Ajouter un commentaire

Vous pouvez utiliser ces tags dans vos commentaires :<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong> , sachant qu'une prévisualisation de votre commentaire est disponible en bas de page après le captcha.

Captcha

Pour valider votre commentaire, veuillez saisir les lettres ci-dessus et cliquer sur le bouton Publier le commentaire ci-dessus.


Derniers articles

Derniers albums photos

Depuis juillet 2014, mes photos sont maintenant intégrées dans ce site sous la forme d'albums consultables dans le plugin "Photo-Folders". Voici les derniers albums publiés ou mis à jour. Cliquez sur les vignettes pour accéder aux albums.
albth
Universités d'Eté du MEDEF Aug2018
2018
37 photos
albth
L'Echappée Volée Jul2018
2018
297 photos
albth
Nouveaux portraits
Expo
511 photos
albth
Lancement Fondation Femmes Numériques Jun2018
2018
112 photos
albth
USI Jun2018
2018
195 photos
albth
Web2day Nantes Jun2018
2018
327 photos
albth
CEA Saclay Daniel Estève Jun2018
2018
23 photos

Téléchargements gratuits

Le Guide des Startups, mis à jour chaque année au printemps, avec la somme la plus complète et actualisée d'informations pour lancer et faire vivre votre startup :

image

Le Rapport du CES de Las Vegas, publié chaque année en janvier depuis 2006. Vous souhaitez une restitution personnalisée et un point de veille du marché pour votre organisation ? Contactez-moi.

CouvertureRapportCES

L'ebook Les usages de l'intelligence artificielle, octobre 2017 (362 pages)

CouvertureAvanceesIA

Voir aussi la liste complète des publications de ce blog.

image

Avec Marie-Anne Magnac, j'ai lancé #QFDN, l'initiative de valorisation de femmes du numérique par la photo. Installée depuis début octobre 2015 au Hub de Bpirance à Paris, elle circule dans différentes manifestations. L'initiative rassemble plus de 650 femmes du numérique (en juillet 2017) et elle s'enrichi en continu. Tous les métiers du numérique y sont représentés.

Les photos et les bios de ces femmes du numérique sont présentés au complet sur le site QFDN ! Vous pouvez aussi visualiser les derniers portraits publiés sur mon propre site photo. Et ci-dessous, les 16 derniers par date de prise de vue, les vignettes étant cliquables.
flow
Elise de Préville
Elise est consultante en Data Privacy et Cyber sécurité chez KPMG.
flow
Aroussia Maadi (Orange)
Aroussia est team Manager chez Orange, en charge d'une équipe de spécialistes en bases de données à la DSI d''Orange. Elle accompagne les applications du SI dans la construction d'architectures de bases de données et assure le maintien en conditions opérationnelles des plateformes. Elle est aussi investie dans la société civile, pour l'empowerment des femmes, en particulier en Afrique.
flow
Amina Maïza
Amina est ingénieure études et développement en Java/JEE chez Vizeo Technologies.
flow
Maud Franca (CDC)
Maud est Directrice Adjointe du Programme des Investissements d’Avenir en charge de l’économie numérique, Banque des Territoires, Groupe Caisse des dépôts (CDC). Membre de la cellule nationale French Tech, mentor et aux boards de startups.
flow
Chloé-Agathe Azencott
Chloé-Agathe est chargée de recherche au Centre de Bioinformatique de MINES ParisTech et de l'Institut Curie. Cofondatrice de la branche parisienne du meetup Women in Machine Learning and Data Science.
flow
Béatrice Moulin et Clara Deletraz (Switch Collective)
Béatrice et Clara sont cofondatrices de la startup Switch Collective.
flow
Laurence Devillers
Laurence est chercheur et Professeur en Intelligence Artificielle à Sorbonne Université/LIMSI-CNRS, équipe de recherche "Dimensions affectives et sociales dans les interactions parlées". Membre du comité de réflexion sur l’éthique du numérique (CERNA) d’Allistène, Auteure de « Des Robots et des Hommes : mythes, fantasmes et réalité », Plon 2017.
flow
Sophie Viger
Sophie est Directrice de la Web@cadémie, de la Coding Academy by Epitech et directrice pédagogique du Samsung Campus.
flow
Laura Jacquemod
Laura est consultante digitale au sein de Nexworld, accompagnant notamment ses clients dans l'intégration d'Intelligence Artificielle, comme dans un chatbot.
flow
Anais Barut (Damae Medical)
Anaïs est co-fondatrice et présidente de DAMAE Medical, elle est en charge de la stratégie globale de la société ainsi que des problématiques marketing et financières. La startup développe un dispositif médical permettant au dermatologue au sein même de son cabinet d’acquérir des images d’anomalies de la peau, en profondeur, de manière non invasive. #entrepreneuse
flow
Virginie Mathivet
Virginie est ingénieure en innovation spécialisée en Intelligence Artificielle (IA) et objets connectés (IoT), chargée de Recherche et Développement dans l’équipe innovation de TeamWork (InTW’IT), société de services du numérique.
flow
Catherine Bocquet
Catherine est fondatrice et dirigeante de SFI, une ESN de 25 personnes. Aussi co-présidente de Digital League, Cluster des entreprises du numérique en Auvergne Rhône-Alpes. Membre de l’association Femmes & Business et du Pôle Femmes à la CPME Loire. #entrepreneuse
flow
Nicole Sgro
Nicole est co-fondatrice et présidente de la société Fingerprint Technologies, opérateur télécom et intégrateur de services numériques hébergés, membre du cluster numérique Digital League. #entrepreneuse
flow
Frédérique Segond
Frédérique est Directrice de l'Innovation et des Partenariats pour l'Université Grenoble Alpes, Professeur Associée à l'Institut National des Langues et des Cultures Orientales, à Paris, où elle enseigne la représentation des connaissances. Co fondatrice et Présidente de l'Association ScientiMix pour promouvoir la mixité dans les Sciences et les technologies.
flow
Sonia Mokhtar
Sonia est chercheuse au CNRS en informatique au Laboratoire d'Informatique en Image et Systèmes d'Information (LIRIS). Responsable de l'équipe de recherche DRIM: Distribution, Recherche d'Information et Mobilité. Spécialiste des systèmes distribués et de la protection des données personnelles.
flow
Nathalie Mancuso
Nathalie est Directrice Générale du site de e-commerce Wanimo.com, une animalerie en ligne 100% française.

Derniers commentaires

“En effet ! Mais avec les Qubits on est aussi bien servis... :) ! On n'est donc plus à cela près...”
“Bonjour, gros et beau travail comme toujours ! sinon pour AgilePQ il devrait changer de nom pour le développement en France...”
“Comprendre l’informatique quantique – cryptographie (là, c'est vraiment dodu)...”
“Super complet : "Comprendre l’informatique quantique – cryptographie" de @olivez sur ...”
“Bonjour a tous, Je viens de tomber sur un article bien fait sur l'histoire du photobooth et les photomatons. Pour ceux que ca intéresse...”

Abonnement email

Pour recevoir par email les alertes de parution de nouveaux articles :


 

RRR

 
S
S
S
S
S
S
S
img
img
img

Catégories

Tags


Voyages

Voici les compte-rendu de divers voyages d'études où j'ai notamment pu découvrir les écosystèmes d'innovation dans le numérique de ces différents pays :

Evénements

J'interviens dans de nombreuses conférences, événements, et aussi dans les entreprises. Quelques exemples d'interventions sont évoqués ici. De nombreuses vidéos de mes interventions en conférence sont également disponibles sur YouTube.