Le Machine Learning quantique est la combinaison entre les technologies d'apprentissage automatique et de Quantum Computing. Découvrez tout ce que vous devez savoir sur son fonctionnement, sur les langages de programmation et sur les services Cloud existants.
Le Machine Learning et l’informatique quantique sont deux technologies révolutionnaires en plein essor en ce début de siècle. Toutes deux sont vouées à transformer le monde et nos vies.
L’apprentissage automatique, ou Machine Learning, est une sous-catégorie d’intelligence artificielle permettant à un ordinateur d’apprendre et de s’améliorer en accumulant de l’expérience. Ainsi, plutôt que d’être programmé, le système apprend de façon autonome à la manière d’un humain.
De son côté, l’informatique quantique ou Quantum Computing consiste à exploiter les phénomènes de mécanique quantique pour effectuer des calculs et opérations mathématiques. En théorie, la puissance d’un ordinateur quantique est telle qu’il offre de nouvelles possibilités par rapport à un ordinateur classique.
Ainsi, de telles machines peuvent permettre de réaliser des simulations extrêmement complexes, de concevoir de nouveaux médicaments, d’inventer de nouveaux matériaux par le biais de cartographies atomiques… ou d’entraîner des systèmes de Machine Learning.
En effet, lorsque les points de données sont projetés à grande échelle pendant des tâches de Machine Learning, il est difficile pour un ordinateur classique d’effectuer des calculs si larges. Les opérations pourront être réalisées, mais cela nécessitera de nombreuses heures.
Grâce à la superposition des bits, les ordinateurs quantiques permettent de remédier à ce problème et d’accélérer fortement l’apprentissage automatique. C’est le » Machine Learning quantique « .
Comment fonctionne le Machine Learning quantique ?
Il est possible d’effectuer le Machine Learning quantique sur n’importe quel ordinateur quantique accessible via le Cloud. On commence par configurer le nombre de tentatives que l’algorithme réalisera, le nombre de qubits qu’aura le circuit (équivalent au nombre de caractéristiques du dataset), puis on lance l’algorithme de Machine Learning doté d’un comportement quantique.
Un ordinateur quantique peut être utilisé et entraîné comme un réseau de neurones, et les réseaux de neurones présentent des caractéristiques de physique quantique. Un circuit d’ordinateur quantique entraîné peut être utilisé pour classifier le contenu d’images. Pour ce faire, l’image est encodée dans l’état physique de l’appareil et des mesures sont prises.
Le Machine Learning quantique va plus loin que l’utilisation d’ordinateurs quantiques pour résoudre des problèmes d’apprentissage automatique. Un ordinateur quantique est capable de modifier lui-même les paramètres de contrôles requis pour devenir meilleur dans l’exécution d’une tâche spécifique. Le concept » d’apprentissage » est donc poussé encore plus loin.
Quels sont les langages de programmation de Machine Learning quantique ?
Pour le Machine Learning quantique, on utilise principalement les bibliothèques Qiskit et Pennylane de Python. Qiskit est un SDK open source permettant de travailler avec des ordinateurs quantiques au niveau des pulsations, des circuits et des algorithmes. Il offre des outils de création et de manipulation des programmes quantiques et permet de les exécuter sur des prototypes d’appareils quantiques.
De son côté, Pennylane permet notamment d’effectuer un changement de paramètres au sein d’une optimisation de descente graduelle. On parle alors d’une » descente graduelle quantique « . Cette bibliothèque est multi-plateformes et facilement intégrable avec Qiskit.
Quels sont les services de Machine Learning quantique ?
Il existe déjà plusieurs services permettant d’effectuer du Machine Learning quantique. IBM propose sa Q Experience : une plateforme en ligne permettant d’accéder aux différents prototypes de processeurs quantiques par le biais du Cloud. Le service regroupe un composeur de circuit, et supporte Python et Qiskit.
De son côté, Rigetti Computing offre la suite d’outils Forest entièrement dédiée à l’informatique quantique. Elle regroupe un langage de programmation et des outils de développement.
Enfin, la startup canadienne Xanadu délivre via le Cloud l’accès à un processeur quantique photonique. Ce dernier peut prendre en charge des puces de 8, 12 ou 24 qubits.
Pour l’heure, le Machine Learning quantique n’en est qu’à ses balbutiements. Toutefois, plusieurs applications sont déjà très réussies et cette technologie disruptive devrait offrir de nouvelles opportunités dans le futur…
Vous savez tout sur le Machine Learning quantique. Pour plus d’informations sur le sujet, découvrez notre introduction au Machine Learning ou encore nos conseils pour apprendre le langage Python.
