Les résultats indiquent une accélération des premières applications pratiques des ordinateurs quantiques dans divers domaines tels que la découverte de médicaments, l’IA, la finance, la fabrication et la logistique.
Classiq , plateforme de pointe pour la création de logiciels quantiques, s’associe avec Deloitte Tohmatsu Group, pionnier dans l’application industrielle de l’informatique quantique, et Mitsubishi Chemical Corporation pour explorer le développement de matériaux chimiques innovants, dont les électroluminescents organiques (EL). Deloitte Tohmatsu a mené avec succès une expérience dans le but de réduire le circuit quantique (logique de calcul de l’algorithme utilisé sur un ordinateur quantique) pendant le processus de développement.
Deloitte Tohmatsu a annoncé que l’un des deux algorithmes quantiques testés a permis une compression des circuits jusqu’à 97 %, tandis que l’autre a atteint 54 %. Pour exécuter un algorithme sur un ordinateur quantique, il doit être traduit en circuit quantique. Cependant des circuits plus longs augmentent le risque d’erreurs pendant les calculs. Cette expérience a démontré que des technologies de compression efficaces peuvent améliorer la précision des calculs pour des applications comme le développement de nouveaux matériaux. Les résultats montrent également que cette méthode de compression est adaptable à divers domaines au-delà de la chimie, tels que la découverte de médicaments, l’intelligence artificielle, la finance, la fabrication et la logistique. Par ailleurs, les avancées récentes en correction d’erreurs promettent d’améliorer la fiabilité des ordinateurs quantiques, ouvrant la voie à l’exécution d’algorithmes plus longs et complexes. Classiq, Deloitte Tohmatsu et Mitsubishi Chemical estiment que la compression des circuits est cruciale pour rendre les ordinateurs quantiques opérationnels dans des applications concrètes.
Deloitte Tohmatsu, expert des tendances globales en technologies quantiques, a collaboré avec Mitsubishi Chemical, afin de démontrer le potentiel des ordinateurs quantiques dans le domaine de la chimie, notamment dans l’exploration de nouveaux matériaux. Ce projet, s’appuyant sur la technologie de Classiq, permet de compresser les circuits et ainsi optimiser le développement de matériaux innovants.
Mitsubishi Chemical, pionnier dans l’utilisation des algorithmes d’optimisation approximative quantique (QAOA) pour concevoir des matériaux électroluminescents organiques avancés, se heurtait un problème majeur : la perte de précision causée par le bruit accumulé dans les circuits quantiques. En collaborant avec Deloitte Tohmatsu et Classiq, l’entreprise a démontré que la compression des circuits pouvait résoudre cette problématique et permettre une utilisation pratique des ordinateurs quantiques dans des applications chimiques.
En outre, es progrès récents en correction d’erreurs et l’efficacité de l’estimation de phase quantique (QPE) ont renforcé la fiabilité des circuits tolérants aux erreurs, rendant ces technologies plus prometteuses.
Mise en oeuvre :
Planification et mise en oeuvre du projet : Deloitte Tohmatsu
Soutien au projet : Classiq Technologies
Données et conseils sur les expériences : Mitsubishi Chemical
Dans cette expérience, Mitsubishi Chemical a utilisé des algorithmes d’optimisation quantique approximative (QAOA) pour développer des matériaux électroluminescents organiques (EL), ainsi que l’estimation de phase quantique (QPE), une méthode clé pour les ordinateurs quantiques tolérants aux erreurs (FTQC). Ces algorithmes ont été modélisés dans le langage Quantum Model (QMOD) de Classiq, permettant de générer un circuit quantique optimisé et plus efficace.
Lors de cette expérience, une compression significative de l’algorithme quantique a été réalisée par rapport aux circuits quantiques traditionnels générés par Mitsubishi Chemical, tout en maintenant la précision des calculs.
Une compression maximale de 54 % du circuit a été obtenue pour QAOA.
Une compression maximale de 97 % a été atteinte pour QPE. Ce qui prouve la possibilité d’accroître la précision des calculs des machines quantiques, tout en augmentant les chances de découvrir des matériaux prometteurs/ ou nouveaux matériaux sur une machine réelle.
Dans le domaine de la chimie, l’approche traditionnelle de la R&D, basées sur l’expertise et les expérimentations des chercheurs, sont désormais enrichies par des outils technologiques tels que l’informatique des matériaux, les simulations, les algorithmes d’apprentissage automatique et les prédictions par l’IA. Ces approches permettent de réduire significativement le temps et les coûts de développement, mais elles nécessitent des calculs complexes et une précision élevée. Or, les ressources informatiques classiques atteignent parfois leurs limites face à ces exigences.
C’est dans ce contexte que les ordinateurs quantiques suscitent un intérêt grandissant, grâce à leur capacité à résoudre des calculs extrêmement complexes de manière bien plus efficace que les ordinateurs traditionnels.