Les ordinateurs quantiques existent aujourd’hui, bien qu’il s’agisse de versions limitées et réduites de ce que nous espérons que les ordinateurs quantiques complets seront capables de faire à l’avenir.
Mais aujourd’hui, des chercheurs ont mis au point le matériel d’un “ordinateur probabiliste”, un dispositif qui pourrait combler le fossé entre les véritables ordinateurs quantiques et les PC et Mac standard dont nous disposons aujourd’hui.
L’astuce particulière d’un ordinateur probabiliste consiste à résoudre des problèmes quantiques sans devenir quantique, pour ainsi dire. Pour ce faire, il utilise un p-bit, que l’équipe à l’origine de cette recherche décrit comme un “qubit du pauvre”.
Alors que les bits de l’informatique classique peuvent stocker soit un 1, soit un 0, les qubits peuvent être les deux à la fois, grâce aux lois de l’informatique quantique – ce qui signifie un grand bond en avant dans la puissance de traitement. Un p-bit, quant à lui, ne peut être qu’un 1 ou un 0, mais il peut passer d’un état à l’autre très, très rapidement.
En contrôlant soigneusement ces fluctuations, les scientifiques peuvent s’attaquer à des calculs d’un type généralement considéré comme des problèmes de calcul quantique, mais sans disposer d’un véritable ordinateur quantique.
En prime, les p-bits fonctionnent à température ambiante, alors que les qubits ont besoin de conditions super froides pour fonctionner correctement, ce qui facilite leur adaptation aux ordinateurs existants.
“Il existe un sous-ensemble utile de problèmes résolus avec des qubits qui peuvent également être résolus avec des p-bits”, explique Supriyo Datta, ingénieur en électricité et en informatique de l’université Purdue (Indiana). on pourrait dire qu’un p-bit est un “qubit du pauvre”
Le résultat de ces recherches est un dispositif modifié de mémoire vive magnétorésistive (MRAM), utilisé pour stocker des informations dans certains ordinateurs actuels. Les orientations magnétiques sont utilisées pour créer des états de résistance qui représentent des 1 ou des 0.
Huit de ces unités MRAM p-bit fabriquées sur mesure ont été assemblées avec une puce de contrôle pour former un ordinateur probabiliste – un ordinateur dans lequel les unités ne sont susceptibles d’adopter qu’une valeur spécifique (d’où le nom “probabiliste”).
Les chercheurs ont ensuite été en mesure de résoudre des problèmes de factorisation d’entiers, où les nombres sont décomposés en plus petits multiples. Ce problème est généralement considéré comme un problème quantique, dans lequel les ordinateurs quantiques excelleraient – les ordinateurs classiques peuvent le faire, mais plus lentement et moins efficacement.
Cet ordinateur probabiliste et ses p-bits représentent une sorte de solution intermédiaire entre les deux. Les chercheurs suggèrent que des machines à p-bits pleinement réalisées permettraient de traiter la factorisation des entiers et des problèmes similaires en utilisant moins d’espace et d’énergie que les ordinateurs actuels.
“Sur une puce, ce circuit occuperait la même surface qu’un transistor, mais exécuterait une fonction qui aurait nécessité des milliers de transistors”, explique Ahmed Zeeshan Pervaiz, ingénieur en informatique et en électricité de l’université Purdue.
“Il fonctionne également d’une manière qui pourrait accélérer les calculs grâce au fonctionnement parallèle d’un grand nombre de p-bits”
Cette machine va devoir être mise à l’échelle et affinée davantage pour avoir une utilité pratique, mais les chercheurs pensent que ces avancées pourraient ne pas être trop éloignées. Ces dispositifs pourront alors prendre le relais des ordinateurs classiques pour certains problèmes, jusqu’à ce que la révolution de l’informatique quantique arrive enfin.
Les scientifiques progressent, mais il reste encore du chemin à parcourir avant que les qubits soient suffisamment stables et pratiques pour exécuter les calculs dont nous avons besoin et pour passer à l’échelle supérieure. Fabriquer des qubits et les connecter entre eux reste un défi de taille.
“Dans un avenir proche, les qubits pourraient mieux aider une machine à apprendre comme le fait un être humain ou optimiser un itinéraire pour que les marchandises se rendent au marché”, explique l’un des chercheurs, Kerem Camsari.
Les travaux de recherche ont été publiés dans la revue Nature.