Inspiré par la sélection naturelle et le concept de « survie du plus fort », les algorithmes génétiques sont des techniques flexibles d’optimisation qui peuvent trouver la meilleure solution à un problème en sélectionnant de façon répétée des générations de solutions les plus adaptées.
Maintenant, pour la première fois, des chercheurs de l’Université du Pays Basque à Bilbao, en Espagne, ont appliqué des algorithmes génétiques à des simulations quantiques numériques. Ils ont montré que les algorithmes génétiques pouvaient réduire les erreurs quantiques, et même surpasser les techniques d’optimisation existantes. La recherche, qui est publiée dans un numéro récent de Physical Review Letters, a été dirigé par Ikerbasque Prof. Enrique Solano et le Dr Mikel Sanz du QUTIS Group.
