Des chercheurs d’IBM et du MIT ont collaboré sur un système d’informatique quantique à 2 qubits pour démontrer que les ordinateurs quantiques pouvaient booster un type spécifique d’apprentissage machine (généralement utilisé pour la classification). Il ne s’agit sans doute que d’un premier pas.
L’étude commence par une idée inattendue : qu’un certain type d’apprentissage machine, basé sur les « l’astuce du noyau », est mathématiquement extraordinairement similaire à ce qui se passe à l’intérieur d’un ordinateur quantique. L’informatique quantique aide à accélérer la performance des classificateurs basés sur l’astuce des noyaux de 2 façons, expliquent les auteurs.
Les données d’entraînement sont mappées dans un état quantique. Ces données sont ensuite introduites dans un circuit quantique à courte profondeur, qui peut principalement conserver les propriétés quantiques jusqu’à la fin du calcul. Considérez-le comme un ordinateur portable généralement fiable et qui ne tombe pas souvent en panne, plutôt que comme une machine parfaite. En raison de leurs propriétés quantiques, les particules qui pilotent un ordinateur quantique habitent abstraitement un très grand « état quantique », plein de possibilités. En théorie, cela rend la séparation des fonctions beaucoup plus facile et rapide qu’un ordinateur traditionnel.
Les chercheurs ont aussi eu l’idée d’utiliser l’ordinateur quantique pour déterminer le noyau : c’est-à-dire, la meilleure façon de mapper au mieux toutes les données d’entrée dans l’espace en haute dimension et aider à séparer les éléments d’une manière significative.
