Une étude révolutionnaire menée par une équipe internationale de chercheurs dirigée par l’Université de Vienne a démontré que même des ordinateurs quantiques de petite taille peuvent significativement améliorer les performances de l’apprentissage automatique grâce à un nouveau circuit quantique photonique.
Les chercheurs ont montré que la technologie quantique actuelle n’est plus seulement expérimentale : elle peut déjà surpasser les systèmes classiques sur 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 être plus performants que les algorithmes conventionnels. « Nous avons constaté que pour certaines tâches spécifiques, notre algorithme commet moins d’erreurs que son équivalent classique », explique Philip Walther de l’Université de Vienne, responsable du projet.
Le dispositif expérimental 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 signifie que les ordinateurs quantiques existants peuvent déjà offrir de bonnes performances sans nécessairement dépasser l’état de l’art technologique », ajoute Zhenghao Yin, premier auteur de la publication dans Nature Photonics.
Un aspect particulièrement prometteur de cette recherche est que les plateformes photoniques consomment nettement moins d’énergie que les ordinateurs classiques. « Cela pourrait s’avérer crucial à l’avenir, étant donné que les algorithmes d’apprentissage automatique deviennent difficilement viables à cause de leurs besoins énergétiques trop élevés », souligne la co-autrice Iris Agresti. Puisque seul la lumière, et non un courant électrique, circule dans le circuit, les puces photoniques nécessitent moins de refroidissement. Combiné à des performances 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 à la fois sur le calcul quantique, puisqu’il identifie des tâches qui bénéficient des effets quantiques, et sur l’informatique classique. En effet, de nouveaux algorithmes inspirés des architectures quantiques pourraient être conçus, permettant d’atteindre de meilleures performances tout en réduisant la consommation énergétique. Cette avancée démontre que de petits ordinateurs quantiques photoniques peuvent surpasser les systèmes classiques dans 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 gagnent en complexité et en besoins énergétiques, cette recherche ouvre la voie à des technologies d’IA plus durables et puissantes, exploitant dès aujourd’hui les avantages du quantique, et non dans un futur hypothétique. 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.