Le memristor quantique, chaînon manquant entre l’intelligence artificielle et l’informatique quantique
Français
Suivez-nous sur notre page Facebook et notre canal Telegram
Ces dernières années, l’intelligence artificielle est devenue omniprésente, avec des applications telles que l’interprétation de la parole, la reconnaissance d’images, le diagnostic médical et bien d’autres. Dans le même temps, la technologie quantique s’est avérée capable d’une puissance de calcul bien au-delà de la portée même du plus grand superordinateur du monde. Des physiciens de l’Université de Vienne viennent de faire la démonstration d’un nouveau dispositif, appelé memristor quantique, qui pourrait permettre de combiner ces deux mondes, débloquant ainsi des capacités sans précédent. L’expérience, menée en collaboration avec le Conseil national de la recherche (CNR) et le Politecnico di Milano en Italie, a été réalisée sur un processeur quantique intégré fonctionnant sur des photons uniques. Le travail est publié dans le numéro actuel de la revue Photonique naturelle.
Au cœur de toutes les applications d’intelligence artificielle se trouvent des modèles mathématiques appelés réseaux de neurones. Ces modèles s’inspirent de la structure biologique du cerveau humain, constituée de nœuds interconnectés. Tout comme notre cerveau apprend en réorganisant constamment les connexions entre les neurones, les réseaux de neurones peuvent être formés mathématiquement en ajustant leur structure interne jusqu’à ce qu’ils deviennent capables d’accomplir des tâches de niveau humain : reconnaître notre visage, interpréter des images médicales pour le diagnostic, voire conduire nos voitures. Disposer de dispositifs intégrés capables d’effectuer rapidement et efficacement les calculs impliqués dans les réseaux de neurones est ainsi devenu un axe de recherche majeur, tant académique qu’industriel.
L’un des grands changeurs de jeu dans le domaine a été la découverte du memristor, faite en 2008. Cet appareil modifie sa résistance en fonction d’une mémoire du courant passé, d’où le nom de mémoire-résistance, ou memristor. Immédiatement après sa découverte, les scientifiques ont réalisé que (parmi de nombreuses autres applications) le comportement particulier des memristors était étonnamment similaire à celui des synapses neurales. Le memristor est ainsi devenu une brique fondamentale des architectures neuromorphiques.
Un groupe de physiciens expérimentateurs de l’Université de Vienne, du Conseil national de la recherche (CNR) et du Politecnico di Milano dirigé par le professeur Philip Walther et le Dr Roberto Osellame, vient de démontrer qu’il est possible de concevoir un dispositif qui a le même comportement comme un memristor, tout en agissant sur les états quantiques et en étant capable d’encoder et de transmettre des informations quantiques. En d’autres termes, un memristor quantique. La réalisation d’un tel dispositif est difficile car la dynamique d’un memristor tend à contredire le comportement quantique typique.
En utilisant des photons uniques, c’est-à-dire des particules quantiques uniques de lumière, et en exploitant leur capacité unique à se propager simultanément dans une superposition de deux ou plusieurs trajets, les physiciens ont relevé le défi. Dans leur expérience, des photons uniques se propagent le long de guides d’ondes gravés au laser sur un substrat de verre et sont guidés sur une superposition de plusieurs chemins. L’un de ces chemins est utilisé pour mesurer le flux de photons traversant le dispositif et cette quantité, par un schéma de rétroaction électronique complexe, module la transmission sur l’autre sortie, obtenant ainsi le comportement mémristif souhaité. En plus de démontrer le memristor quantique, les chercheurs ont fourni des simulations montrant que les réseaux optiques avec memristor quantique peuvent être utilisés pour apprendre à la fois sur des tâches classiques et quantiques, faisant allusion au fait que le memristor quantique pourrait être le chaînon manquant entre l’intelligence artificielle et l’informatique quantique.
“Libérer le plein potentiel des ressources quantiques au sein de l’intelligence artificielle est l’un des plus grands défis de la recherche actuelle en physique quantique et en informatique”, déclare Michele Spagnolo, qui est le premier auteur de la publication dans la revue “Nature Photonics”. Le groupe de Philip Walther de l’Université de Vienne a également récemment démontré que les robots peuvent apprendre plus rapidement lorsqu’ils utilisent des ressources quantiques et empruntent des schémas au calcul quantique. Cette nouvelle réalisation représente un pas de plus vers un avenir où l’intelligence artificielle quantique deviendra réalité.
Source de l’histoire :
Matériaux fourni par Université de Vienne. Remarque : Le contenu peut être modifié pour le style et la longueur.
