L’intelligence artificielle surpasse déjà les supercalculateurs les plus rapides !

Une équipe de chercheurs a démontré l’efficacité des algorithmes d’apprentissage automatique quantique en surpassant les performances des ordinateurs classiques les plus avancés grâce à une nouvelle approche basée sur l’accélération quantique. Selon une étude publiée dans Nature Photonics, les scientifiques ont démontré qu’avec seulement deux photons, les algorithmes quantiques pouvaient dépasser les performances des techniques informatiques classiques.

Un pas de géant pour l’apprentissage automatique quantique

À l’aide d’un circuit photonique quantique et d’un algorithme d’apprentissage automatique spécialement conçu, les chercheurs ont obtenu des résultats impressionnants en matière de vitesse, de précision et d’efficacité. Contrairement à d’autres initiatives hybrides mêlant calcul classique et quantique, cette méthode n’a pas recours aux portes quantiques intriquées, mais fonctionne par injection de photons dans le système.

Lire aussi « Je n’avais jamais vu ça » : cette IA a surpassé les meilleurs mathématiciens en direct, sans aucune hésitation

Pour mener leur expérience, les chercheurs ont utilisé un laser femtoseconde, un appareil capable d’émettre des impulsions lumineuses ultra-courtes mesurées en femtosecondes (un millionième de milliardième de seconde), pour graver des motifs sur un substrat en verre borosilicaté. Ce support a ensuite servi à classer les points d’un ensemble de données grâce à des photons injectés dans six configurations distinctes.

Ces configurations ont été traitées par un système hybride combinant calcul quantique et classique. En mesurant le temps mis par les photons pour traverser le circuit et en comparant les performances aux méthodes informatiques traditionnelles, les scientifiques ont pu identifier les tâches pour lesquelles le traitement quantique offrait un avantage significatif.

Des résultats concrets et prometteurs

L’analyse a révélé que cette méthode quantique permettait une exécution plus rapide, une meilleure précision dans le tri des données, et une consommation d’énergie largement inférieure à celle des solutions informatiques classiques. Ces performances s’appliquent à une branche spécifique de l’apprentissage automatique connue sous le nom d’apprentissage basé sur le noyau (ou kernel-based learning), utilisée pour trier des données.

Lire aussi Elon Musk persiste et signe avec une IA ultra-provocante : entre charme virtuel et discours révolutionnaire

Bien que les réseaux neuronaux profonds aient dominé l’apprentissage automatique ces dernières années, les méthodes basées sur les noyaux suscitent un regain d’intérêt en raison de leur simplicité et de leur efficacité sur de petits ensembles de données. Cette avancée pourrait révolutionner des domaines comme le traitement du langage naturel et d’autres modèles supervisés.

Vers des applications plus larges

Au-delà des performances actuelles, cette étude propose une méthode permettant d’identifier les tâches où les ordinateurs quantiques peuvent réellement exceller dans des systèmes hybrides.  

Les chercheurs insistent aussi sur le caractère évolutif de leur technique. En théorie, en augmentant le nombre de photons ou de qubits impliqués dans le système, les performances pourraient être considérablement améliorées. Cela permettrait de concevoir des algorithmes capables de traiter de grandes quantités de données sans les énormes besoins énergétiques actuels du calcul électronique.

Lire aussi 145 000 euros le drone : comment l’armée américaine échoue à copier une arme ukrainienne à 800 euros

Les scientifiques estiment que cette technologie pourrait révolutionner le domaine de l’apprentissage automatique standard en combinant processeurs photoniques et méthodes classiques, offrant ainsi des performances sans précédent.

Par ailleurs, voici comment se terminera une guerre entre l’intelligence artificielle et l’humanité.