Alors que le développement des ordinateurs quantiques en est encore à sa phase de recherche expérimentale, des chercheurs affirment récemment avoir réussi à y intégrer un modèle d’IA ultraperformant. Pour cela, ils ont conçu un transformateur (une architecture clé pour l’exécution de l’IA) quantique chargé de trier des images. Malgré la simplicité de l’expérience, les résultats, très prometteurs, laissent déjà entrevoir de potentielles avancées issues de la combinaison de l’informatique quantique et de l’IA.
L’apprentissage profond est une sous-catégorie de l’apprentissage automatique, exploité par de nombreux modèles d’IA. Il s’inspire des réseaux neuronaux humains en utilisant des réseaux structurés en couches de neurones artificiels, chargés d’analyser et d’interpréter différents types de données. Au sein de l’apprentissage profond, il existe une architecture appelée « transformateur » permettant de traiter efficacement des séquences de données, telles que du texte. Les transformateurs reposent sur les neurones artificiels pour accomplir leur tâche. Pour cette raison, les transformateurs sont devenus une technologie clé pour de nombreux systèmes d’IA, permettant de générer rapidement des réponses qualitatives et contextuellement appropriées aux demandes.
Récemment, des chercheurs de l’Université d’Édimbourg ont tenté d’utiliser un transformateur sur un ordinateur quantique, afin d’en étudier le comportement d’exécution. Combiner ces deux technologies peut sembler très avant-gardiste, mais cela vise simplement dans un premier temps à mieux comprendre le comportement d’un tel système au sein d’un ordinateur quantique. Les résultats ont été publiés dans la revue Quantum.
Un transformateur quantique
L’équipe de recherche, dirigée par Jonas Landman, chercheur en informatique quantique à l’Université d’Édimbourg, a conçu et adapté un transformateur quantique pour analyser des images médicales. Plus précisément, les chercheurs l’ont utilisé pour examiner des images de rétines de 1600 personnes, dont certaines étaient saines et d’autres atteintes de cécité induite par le diabète. Le transformateur quantique a classé ces images selon un degré de dommages, allant de l’absence de dommages à de graves lésions. Il est à noter que les chercheurs n’ont pas directement testé le transformateur sur un ordinateur quantique réel. Ils ont au lieu de cela utilisé un simulateur quantique afin de reproduire le fonctionnement des qubits.
Les résultats montrent que les transformateurs peuvent fonctionner relativement bien dans un environnement quantique. Cependant, les expériences menées étaient relativement simples (ou dans des formes simplifiées). Cependant, elles permettent d’envisager de meilleurs résultats avec des adaptations visant notamment à augmenter la compatibilité avec le système quantique utilisé. Cette combinaison technologique, à terme, pourrait être utilisée afin de résoudre des problèmes complexes dans divers domaines, tels que le chiffrement (pour sécuriser les communications), la chimie (notamment pour la recherche médicale) et les mathématiques. En d’autres termes, un tel système pourrait être à la source de grandes avancées dans de nombreuses industries et domaines scientifiques.
Les transformateurs doivent leur efficacité à leur « capacité de discernement ». En effet, ces architectures peuvent déterminer quelles parties de l’information entrante sont les plus importantes. Pour une donnée entrante sous forme de texte, par exemple, le transformateur comprend non seulement les mots individuels, mais aussi leur importance relative dans la phrase. Il effectue des inférences sur les relations entre les mots. Cette capacité est appelée « mécanisme d’attention ».
Ce mécanisme d’attention utilise des ressources de calcul importantes pour fonctionner efficacement. C’est pour cela qu’il est exécuté sur des ordinateurs dotés de processeurs très puissants. Ces machines reposent actuellement sur les bits classiques (binaires). Dans le cadre de cette étude cependant, il était question de reproduire ces mécanismes d’attention avec des qubits (bits quantiques), les unités d’information des ordinateurs quantiques. En théorie, un mécanisme d’attention quantique peut traiter des informations de manière plus complexe et serait donc plus efficace.