Une étude révolutionnaire menée par une équipe internationale de recherche dirigée par l’Université de Vienne a démontré que même des ordinateurs quantiques de petite taille peuvent nettement améliorer la performance de l’apprentissage automatique grâce à un nouveau circuit quantique photonique.
Les chercheurs ont prouvé que la technologie quantique actuelle n’est pas seulement expérimentale — elle peut déjà surpasser les systèmes classiques pour certaines tâches. L’expérience a utilisé un ordinateur quantique photonique pour classifier des points de données et a démontré que de petits processeurs quantiques peuvent faire mieux que les algorithmes conventionnels. « Nous avons constaté que, pour certaines tâches, notre algorithme commet moins d’erreurs que son équivalent classique », explique Philip Walther de l’Université de Vienne, responsable du projet.
L’installation expérimentale comprend un circuit quantique photonique construit au Politecnico di Milano (Italie), qui exécute un algorithme d’apprentissage automatique initialement proposé par des chercheurs de Quantinuum (Royaume-Uni). « Cela implique que les ordinateurs quantiques existants peuvent déjà offrir de bonnes performances sans nécessairement dépasser la technologie de pointe », ajoute Zhenghao Yin, premier auteur de la publication dans Nature Photonics.
Un aspect particulièrement prometteur de cette recherche est que les plateformes photoniques peuvent consommer beaucoup moins d’énergie que les ordinateurs traditionnels. « Cela pourrait s’avérer crucial à l’avenir, étant donné que les algorithmes d’apprentissage automatique deviennent difficilement viables à cause de leur demande énergétique trop élevée », souligne la coautrice Iris Agresti. Puisque seul la lumière, et non le courant, circule dans le circuit, les puces photoniques nécessitent moins de refroidissement. Combiné à une performance et une densité de calcul supérieures, cela permet des économies d’énergie substantielles. Certains accélérateurs d’IA photoniques promettent de consommer jusqu’à 30 fois moins d’énergie qu’une unité de traitement graphique (GPU).
Le résultat a un impact tant sur le calcul quantique, puisqu’il identifie des tâches qui bénéficient des effets quantiques, que sur l’informatique classique. En effet, de nouveaux algorithmes inspirés des architectures quantiques pourraient être conçus, offrant de meilleures performances et réduisant la consommation d’énergie. Cette percée démontre que de petits ordinateurs quantiques photoniques peuvent surpasser les systèmes classiques pour certaines tâches d’apprentissage automatique, les chercheurs ayant utilisé un algorithme amélioré par le quantique sur un circuit photonique pour classifier des données avec plus de précision que les méthodes conventionnelles.
À mesure que les systèmes d’IA deviennent plus complexes et énergivores, cette recherche ouvre la voie à des technologies d’IA plus puissantes et durables, tirant parti des avantages quantiques dès aujourd’hui, et non seulement dans un futur théorique. L’intégration de la photonique quantique et de l’apprentissage automatique représente l’une des frontières les plus prometteuses de la technologie informatique, avec des applications pratiques immédiates déjà en émergence.