Si la bataille pour l’ordinateur quantique bat son plein avec des acteurs comme Google, IBM et même plus récemment Honeywell, la question des algorithmes adaptés à cette prochaine ère de l’informatique reste posée. Google vient d’apporter une réponse en présentant TensorFlow Quantum (TFQ). Le framework open source apporte aux développeurs des modèles de prototypage de machine learning s’appuyant à la fois sur des capacités de calcul classiques, mais aussi sur des simulations d’informatique quantique (par exemple des processeurs NISQ (Noisy Intermediate Scale Quantum) capable de stabiliser entre 50 et 100 quibits).

Créer un modèle de machine learning quantique n’est pas une chose aisée en raison de deux facteurs. Le premier est lié aux données quantiques qui comportent beaucoup de bruit et de superposition. Le machine learning peut aider à extraire des données utiles en éliminant cette complexité et ce bruit. Le second facteur est celui des modèles hybrides quantiques-classiques qui devront s’appuyer à la fois sur les processeurs quantiques de type NISQ et des puces classiques pour garantir l’efficacité. Comme TensorFlow prend en charge le calcul hétérogène entre CPU, GPU et TPU, il constitue « une plateforme naturelle pour l'expérimentation d'algorithmes hybrides quantiques- classiques », peut-on lire sur le blog de la firme américaine.

Plusieurs partenaires dans l’aventure

Concrètement, le TFQ combine Cirq (framework pour les processeurs NISQ), une bibliothèque de circuits quantiques open source, et la plateforme d'apprentissage machine TensorFlow. Google a développé son framework avec des partenaires en l’occurrence, la NASA, l’Université de Waterloo et Volkswagen. Un document est disponible pour la communauté des développeurs afin d’approfondir le sujet.

Google n’est pas la seule entreprise à avancer des systèmes hybrides de machine learning quantique. Microsoft et IBM proposent des services à travers de l’offre Azure Quantum et IBM Q. Mais TensorFlow bénéficie d’une forte popularité auprès des développeurs et le framework Python peut les séduire pour débuter dans le quantique. Les efforts de Google dans le quantique sont aussi de nature à intéresser des développeurs désirant des algorithmes dans ce domaine. L’avenir dira si le pari est réussi.