Agenda

Marco Fellous Asiani présente

Coût en ressource du calcul quantique grande échelle

Mardi 9 novembre 2021 à 14h00 

Salles MAG1 et MAG2, Laboratoire LPMMC

Lien streaming : https://www.youtube.com/channel/UCZzkP6c_n0XRCA1-xgKkOQw/live

Résumé :

Cette thèse traite des questions de mise à l’échelle du calcul quantique tolérant aux fautes. Ces questions sont étudiées sous l’angle de l’estimation des ressources nécessaires à la mise en place de tels ordinateurs: maintenant que les premiers prototypes d’ordinateurs quantiques existent, il est temps de commencer à réaliser de telles estimations. Ce que nous appelons ressource est en principe très général, il pourrait s’agir de la puissance, de l’énergie, ou même de la bande passante totale allouée aux différents qubits. Cependant, nous nous focalisons particulièrement sur le coût énergétique du calcul quantique au sein de cette thèse, bien que la plupart des approches utilisées puissent être adaptées pour traiter une quelconque autre ressource.

Nous étudions dans un premier temps quelle est la précision maximale qu’un ordinateur quantique tolérant aux fautes peut atteindre en présence d’un bruit dépendant de l’échelle, c’est à dire un bruit qui augmente avec le nombre de qubits ou de portes physiques présents dans l’ordinateur. C’est un problème qui peut fréquemment se produire expérimentalement en raison de bruit de type « crosstalk ». Ce régime peut violer une hypothèse derrière le théorème central de la tolérance aux fautes: le théorème du seuil (« quantum threshold theorem ») qui stipule que la précision des algorithmes implémentés sur un ordinateur quantique peut être arbitrairement grande si ils sont protégés par de la correction d’erreur quantique, si suffisamment de qubits et portes physiques sont à disposition, et si le taux de bruit est en dessous d’un certain seuil. Cette dernière hypothèse devant être vérifiée peu importe le nombre d’éléments physiques dans l’ordinateur, un bruit dépendant de l’échelle peut la violer. Dans le cas où ce bruit dépendant de l’échelle peut être exprimé en fonction d’une ressource, ces estimations permettent (i) d’estimer la précision maximale que l’ordinateur peut atteindre en présence d’une quantité fixée de cette ressource (ce qui permet de déduire la taille maximale des algorithmes que l’ordinateur pourra implémenter, afin de savoir si le bruit dépendant de l’échelle est un réel problème) et réciproquement (ii) d’estimer la quantité de ressource minimale permettant d’atteindre une précision donnée. 

Dans un second temps, nous généralisons ces approches afin de pouvoir estimer le coût en ressource d’un calcul dans le cas le plus général. En demandant de trouver la quantité de ressource minimale requise pour effectuer un calcul sous la contrainte que l’algorithme fournisse une réponse correcte avec une probabilité ciblée, il est possible d’optimiser l’intégralité de l’architecture de l’ordinateur permettant de minimiser la dépense en ressource tout en ayant une réponse correcte. Nous appliquons cette démarche à un modèle complet d’ordinateur tolérant aux fautes basé sur des qubits supraconducteurs. Nos résultats indiquent que pour des algorithmes implémentés sur plusieurs milliers de qubits logiques, notre méthode permet de réduire la facture énergétique de plusieurs ordres de grandeurs dans des régimes de grandes consommation. Ce travail illustre le fait que le coût énergétique du calcul quantique devrait être un critère en soit permettant d’évaluer le potentiel de mise à l’échelle des ordinateurs quantiques. Il illustre aussi que l’optimisation de l’architecture d’un ordinateur quantique, via des méthodes transversales, incluant les aspects algorithmiques, de physique quantique, et d’ingénierie, telles que celles que nous proposons, peut se révéler être un outil puissant permettant d’améliorer grandement le potentiel de mise à l’échelle. Enfin, nous donnons des premières pistes permettant de savoir comment réaliser des ordinateurs quantiques économes en énergie, à la fois d’un point de vue théorique et expérimental.

La thèse a été réalisée sous la supervision de :
Alexia Auffèves et Robert Whitney

Le jury est composé par :
Eleni Diamanti
Maud Vinet
Mazyar Mirrahimi (Rapporteur)
Franck Balestro
Patrice Bertet (Rapporteur)