En savoir plus sur les solutions d'IA Learn how SAS supports ethical, responsible AI innovation

IA quantique

Présentation et atouts

L'IA quantique combine la puissance de l'informatique quantique avec l'intelligence artificielle. Cette intégration met à profit les points forts uniques du domaine quantique et de l'IA, en utilisant des bits quantiques, appelés qubits, pour faire des calculs avancés que les ordinateurs classiques ne peuvent pas traiter.

Histoire de l'IA quantique

Le concept d'informatique quantique est apparu au début des années 1980 lorsque le physicien Richard Feynman a lancé l'idée d'utiliser la mécanique quantique pour simuler des systèmes physiques que les ordinateurs classiques ne pouvaient pas modéliser. Cette idée a posé les bases de l'informatique quantique, qui reprend les principes de la mécanique quantique, notamment la superposition et l'intrication, pour réaliser des calculs complexes.

Dans les années 1990, le développement d'algorithmes quantiques, comme l'algorithme de Shor pour la factorisation de grands nombres, a démontré le potentiel de l'informatique quantique pour résoudre des problèmes plus rapidement que les ordinateurs classiques. Ces avancées ont mis en lumière l'intérêt d'explorer l'association de l'informatique quantique avec l'IA.

Au début des années 2000, la NASA, Google et l'Universities Space Research Association ont créé le Quantum Artificial Intelligence Lab. Cette initiative visait à explorer la recherche sur la façon dont l'informatique quantique pouvait améliorer le machine learning et d'autres tâches de calcul complexes.

À la même période, les chercheurs ont commencé à développer des algorithmes de machine learning quantique, qui exploitent l'informatique quantique pour améliorer la vitesse et la précision des modèles d'IA.

Ces dernières années, l'attention s'est portée sur des applications plus pratiques de l'IA quantique.

Les entreprises à la pointe de cette recherche testent des architectures hybrides qui combinent informatique quantique et informatique classique. Par exemple, des recherches portent actuellement sur l'utilisation du recuit quantique pour des problèmes d'optimisation, et sur le modèle à portes pour des applications plus universelles comme le machine learning, la chimie quantique et la simulation.

L'IA quantique dans le monde d'aujourd'hui

L'informatique quantique et l'IA

L'informatique quantique a le potentiel de redéfinir l'analyse des données et l'entraînement des modèles en IA. Découvrez de quelle manière nous pensons que la réalité quantique d'aujourd'hui a sa place dans le futur.

Lire l'article de blogue Read blog post on quantum computing and AI

Évoluer dans le quantique dans un monde d'IA

Pour Bill Wisotsky, Architecte Principal des Systèmes Quantiques, l'informatique quantique est une idée qui s’est ancrée profondément dans son esprit et ne l’a jamais quitté. Découvrez comment des décennies de fascination l'ont conduit à étudier l'informatique quantique hybride aujourd'hui.

Lire l'article de blogue Read blog about quantum AI

SAS définit la réalité hybride pour l'informatique quantique

Nous en sommes à un stade où l'informatique quantique peut redéfinir l'analyse des données et l'entraînement des modèles en IA. Découvrez-en plus à ce sujet dans cet article Forbes.

Lire l'article Read an article to learn how quantum computing could redefine data analysis and model training in AI.

L'IA quantique expliquée

Découvrez l'informatique quantique et son fonctionnement avec Amy Stout, Responsable de la Stratégie Produit de quantum ai chez SAS. Qu'est-ce qu'un qubit ? Et comment l'informatique quantique est différente de l'informatique classique ? Stout apporte des réponses claires et explique vers où nous mène cette technologie émergente.

Qui utilise l'IA quantique

L'IA quantique a le potentiel de révolutionner les différents secteurs d'activité en fournissant une puissance de calcul et une efficacité inégalées jusqu'à présent.

Découvrez l'impact significatif que l'informatique quantique pourrait avoir dans ces différents domaines :

Santé

Le quantique peut transformer les soins de santé en simulant des systèmes biologiques complexes et en accélérant la découverte de médicaments. Par exemple, les ordinateurs quantiques peuvent modéliser des interactions moléculaires à une échelle atomique, ce qui est déterminant pour comprendre les maladies et développer de nouveaux médicaments. Cette capacité permet aux chercheurs d'identifier plus rapidement et avec plus de précision des molécules candidates, ce qui réduit le temps et les coûts liés à la mise sur la marché des médicaments.

Autres solutions pour le secteur de la santé Learn about health care analytics solutions from SAS

Banque

Dans le secteur des services financiers, le quantique peut être utilisé pour optimiser les portefeuilles d'investissement, gérer les risques et détecter la fraude. Les algorithmes quantiques peuvent traiter des données financières très complexes de façon unique et détecter des schémas que les ordinateurs classiques ne trouveraient pas. Cela permet aux établissements financiers de développer des stratégies de trading plus efficaces et d'améliorer leurs pratiques de gestion des risques. L'informatique quantique est aussi utilisée pour améliorer les méthodes cryptographiques, ce qui rend les transactions plus sûres.

Autres solutions pour le secteur bancaire Learn about banking solutions from SAS

Logistique et gestion de la chaîne d'approvisionnement

Le quantique peut améliorer la logistique et les chaînes logistiques en optimisant le routage et l'ordonnancement grâce à sa capacité à explorer simultanément l'ensemble des solutions possibles, ce qui lui permet de trouver plusieurs solutions de haute qualité. Par exemple, les algorithmes quantiques peuvent déterminer les routages les plus efficaces pour les camions de livraison, ce qui permet d'économiser du carburant et de réduire les temps de livraison. Pour la gestion d'un entrepôt, le quantique peut améliorer la gestion du stock et diminuer les coûts opérationnels.

En savoir plus sur les solutions de chaîne logistique Learn about supply chain solutions from SAS

Assurance

Les assureurs s'appuient sur des données aux relations très complexes pour prédire avec précision les dommages, tarifer les polices et personnaliser les offres. L'IA et l'informatique quantique peuvent affiner les évaluations des risques pour les assureurs en analysant simultanément ces relations complexes. Par exemple, l'IA quantique pourrait accélérer l'analyse des risques en évolution rapide, comme les phénomènes météorologiques, et leur impact sur les tendances de tarification et d'accessibilité. Pour profiter de cette nouvelle technologie, les assureurs auront besoin de collaborer avec plusieurs parties prenantes.

Autres solutions pour le secteur de l'assurance Learn about insurance analytics solutions from SAS

Le marché du quantique est en forte progression. À l'heure actuelle, c'est un marché de 35 milliards de dollars avec une projection vers le billion de dollars d'ici à 2030. On peut donc imaginer ce qui se passera dans les prochaines années – les progrès immenses que nous ferons dans ce domaine. Bryan Harris Executive Vice President and Chief Technology Officer SAS

En savoir plus avec Bryan Harris Read blog posts by Bryan Harris, VP and Chief Technology Officer

Comment fonctionne l'IA quantique

Les ordinateurs quantiques sont différents de tous les ordinateurs classiques, y compris les smartphones et même les supercalculateurs les plus puissants. Ils exploitent les propriétés uniques de la mécanique quantique, comme la superposition et l'intrication, pour aider à résoudre une classe de problèmes complexes qui n'est pas à la portée des ordinateurs classiques. Dans certains cas, ils peuvent résoudre le problème beaucoup plus rapidement, dans d'autres cas, ils peuvent représenter le problème d'une façon qui échappe aux ordinateurs classiques.

Pour le moment, il n'est pas envisagé que les ordinateurs quantiques remplacent les ordinateurs conventionnels. L'avenir est plutôt à la cohabitation entre les deux. Dans ce modèle, les CPU, les GPU et les QPU vont travailler ensemble, chacun apportant sa pierre à l'édifice pour résoudre un problème.

Les ordinateurs classiques utilisent des bits pour représenter les données sous forme de 0 ou de 1. En revanche, les ordinateurs quantiques utilisent les bits quantiques, ou qubits, qui peuvent exister dans plusieurs états simultanément. Le principe de superposition désigne l'existence de plusieurs états simultanés et peut être illustré de la façon suivante :

Pensez à une pièce de monnaie. Une pièce de monnaie peut se trouver dans deux états : pile ou face. On peut les comparer à l'état 0 ou 1 d'un bit classique. Maintenant, imaginez que la pièce tourne en l'air. Dans ce cas, les états pile et face coexistent de façon simultanée, et la pièce a autant de chances de finir sur pile que sur face une fois à terre. L'informatique quantique peut utiliser cette simultanéité pour réaliser des calculs sur face (0) et sur pile (1) en même temps, tant que la pièce est en l'air (c'est-à-dire dans un état de superposition).

Cet état de superposition permet aux ordinateurs quantiques de traiter deux fois plus d'informations avec un seul qubit comparé à un bit classique. À mesure que le nombre de qubits augmente, la quantité d'informations qui peut être traitée augmente suivant une croissance exponentielle de 2^{nombre de qubits}, ce qui accélère considérablement les calculs. Par exemple, 10 qubits ont une puissance de calcul similaire à 1 024 bits classiques, et cette capacité augmente de façon exponentielle.

Maintenant, passons à l'intrication et aux algorithmes quantiques :

Intrication

Une autre propriété physique quantique tout aussi importante en informatique quantique est l'intrication. On peut résumer l'intrication comme une corrélation entre des particules quantiques. Lorsque deux qubits sont intriqués, si vous connaissez l'état de l'une, vous connaissez l'état de l'autre. L'intrication, combinée à la superposition, peut augmenter encore plus la puissance de calcul.

Les algorithmes quantiques

L'IA quantique utilise aussi les algorithmes quantiques pour améliorer les modèles de machine learning. Les algorithmes de machine learning quantiques comme les machines à vecteurs de support et les réseaux de neurones quantiques, utilisent des circuits quantiques pour faire des calculs.

Ces circuits quantiques représentent une méthode universelle d'exécution des calculs quantiques

Par exemple, lors de l'implémentation courante d'un réseau de neurones quantique, les données classiques sont encodées en états quantiques. Le circuit quantique utilise des rotations paramétrées, des intrications et des mesures pour analyser simultanément des relations complexes. Le résultat est optimisé de manière classique puis réinjecté dans le circuit sous la forme de nouvelles rotations paramétrées, et le processus se répète jusqu'à trouver une configuration optimale. Ce processus s'apparente à l'optimisation des poids des noeuds dans un réseau de neurones classique.

L'IA quantique – une approche hybride

Puisque la technologie de l'informatique quantique est encore en phase de maturation, la quantum ai repose sur un processus hybride qui combine des approches quantiques et classiques. Dans certains cas, le processus quantique a lieu en premier, dans d'autres cas, il arrive en dernier. Parfois, il suit une boucle itérative entre calcul quantique et classique. Cette nature hybride exploite les forces combinées du calcul quantique et du calcul classique pour améliorer les performances et la précision.

Avec l'évolution des ordinateurs quantiques, ces approches hybrides continueront de se développer, tirant parti de la fiabilité et de la scalabilité croissante des ordinateurs quantiques pour améliorer la prise de décision assistée par l'IA.

Nous sommes à l'aube de l'intégration entre l'informatique quantique et l'IA. L'intégration deviendra de plus en plus étroite au fur et à mesure du développement de la technologie quantique. Actuellement, les fabricants de processeurs quantiques expérimentent le regroupement physique des QPU (unités de traitement quantique) et des AIU (unités IA).

Avec le développement de ces recherches dans les 5 à 10 prochaines années, on peut s'attendre à voir d'énormes avancées technologiques dans le domaine de la quantum ai. Ces avancées vont transformer nos méthodologies existantes et ouvrir la voie à de nouvelles façons, plus innovantes, de résoudre des problèmes complexes.