Illustration du réseau neuronal utilisé pour prédire l’état d’un système quantique ouvert. Crédit: A. Nagy et A. Anelli (EPFL)
Même à l’échelle de la vie quotidienne, la nature est gouvernée par les lois de la physique quantique. Celles-ci expliquent des phénomènes communs tels que la lumière, le son, la chaleur et même la trajectoire d’une boule sur une table de billard. Mais lorsqu’elles s’appliquent à un grand nombre de particules en interaction, les lois de la physique quantique prédisent en réalité une gamme de phénomènes qui défient l’intuition.
Pour étudier les systèmes quantiques composés de nombreuses particules, les physiciens doivent d’abord être capables de les simuler. Cette opération est réalisable en résolvant les équations qui décrivent leur fonctionnement interne sur des superordinateurs. Bien que la loi de Moore prédise que la puissance de traitement des ordinateurs double tous les deux ans, on est bien loin de celle requise pour relever les défis de la physique quantique.
Cela s’explique par le fait que prédire les propriétés d’un système quantique est extrêmement complexe et demande une puissance informatique qui croît exponentiellement avec la taille du système quantique: une tâche «intrinsèquement compliquée», selon le professeur Vincenzo Savona, directeur du Laboratoire de physique théorique des nanosystèmes à l’EPFL.
«Tout se complique encore lorsque le système quantique est ouvert, c’est-à-dire qu’il est sujet aux perturbations de son milieu environnant», ajoute Savona. Et pourtant, des outils destinés à simuler efficacement les systèmes quantiques ouverts sont indispensables, étant donné que la plupart des plateformes expérimentales modernes de science et de technologie quantiques sont des systèmes ouverts, pour lesquels les physiciens cherchent sans cesse de nouvelles méthodes de stimulation et de référence.
Des progrès significatifs ont été réalisés grâce à une nouvelle méthode informatique qui simule les systèmes quantiques avec des réseaux neuronaux. Celle-ci a été développée à l’EPFL par Vincenzo Savona et sa doctorante Alexandra Nagy, et indépendamment par des scientifiques de l’Université Paris Diderot, de l’Université Heriot-Watt à Édimbourg et de l’Institut Flatiron à New York. L’ensemble des travaux a fait l’objet de trois articles publiés dans Physical Review Letters.
«Fondamentalement, nous avons combiné les progrès en matière de réseaux neuronaux et d’apprentissage automatique avec des méthodes Monte-Carlo quantique», explique Savona. Il se réfère à une vaste boîte à outils de méthodes informatiques que les physiciens utilisent pour étudier les systèmes quantiques complexes. Les scientifiques ont entraîné un réseau neuronal à représenter simultanément les nombreux états quantiques dans lesquels un système quantique peut être exprimé sous l’influence de son environnement.
L’approche du réseau neuronal a permis aux physiciens de prédire les propriétés des systèmes quantiques de taille majeure et de géométrie arbitraire. «Il s’agit d’une nouvelle approche informatique qui répond de façon polyvalente au problème des systèmes quantiques ouverts et recèle un vaste potentiel de développement», conclut Savona. Cette méthode est appelée à devenir un outil de choix pour étudier les systèmes quantiques complexes et, en regardant plus loin, évaluer les effets du bruit sur le matériel quantique.
Liens vers les articles concernés dans arXiv
Vicentini et al. https://arxiv.org/abs/1902.10104
Hartmann et Carleo https://arxiv.org/abs/1902.05131
Financement
Fonds national suisse de la recherche scientifique
Références
Alexandra Nagy, Vincenzo Savona. Variational quantum Monte Carlo with neural network ansatz for open quantum systems. Physical Review Letters Phys. Rev. Lett. 122, 250501 (2019). DOI: 10.1103/PhysRevLett.122.250501
Pour étudier les systèmes quantiques composés de nombreuses particules, les physiciens doivent d’abord être capables de les simuler. Cette opération est réalisable en résolvant les équations qui décrivent leur fonctionnement interne sur des superordinateurs. Bien que la loi de Moore prédise que la puissance de traitement des ordinateurs double tous les deux ans, on est bien loin de celle requise pour relever les défis de la physique quantique.
Cela s’explique par le fait que prédire les propriétés d’un système quantique est extrêmement complexe et demande une puissance informatique qui croît exponentiellement avec la taille du système quantique: une tâche «intrinsèquement compliquée», selon le professeur Vincenzo Savona, directeur du Laboratoire de physique théorique des nanosystèmes à l’EPFL.
«Tout se complique encore lorsque le système quantique est ouvert, c’est-à-dire qu’il est sujet aux perturbations de son milieu environnant», ajoute Savona. Et pourtant, des outils destinés à simuler efficacement les systèmes quantiques ouverts sont indispensables, étant donné que la plupart des plateformes expérimentales modernes de science et de technologie quantiques sont des systèmes ouverts, pour lesquels les physiciens cherchent sans cesse de nouvelles méthodes de stimulation et de référence.
Des progrès significatifs ont été réalisés grâce à une nouvelle méthode informatique qui simule les systèmes quantiques avec des réseaux neuronaux. Celle-ci a été développée à l’EPFL par Vincenzo Savona et sa doctorante Alexandra Nagy, et indépendamment par des scientifiques de l’Université Paris Diderot, de l’Université Heriot-Watt à Édimbourg et de l’Institut Flatiron à New York. L’ensemble des travaux a fait l’objet de trois articles publiés dans Physical Review Letters.
«Fondamentalement, nous avons combiné les progrès en matière de réseaux neuronaux et d’apprentissage automatique avec des méthodes Monte-Carlo quantique», explique Savona. Il se réfère à une vaste boîte à outils de méthodes informatiques que les physiciens utilisent pour étudier les systèmes quantiques complexes. Les scientifiques ont entraîné un réseau neuronal à représenter simultanément les nombreux états quantiques dans lesquels un système quantique peut être exprimé sous l’influence de son environnement.
L’approche du réseau neuronal a permis aux physiciens de prédire les propriétés des systèmes quantiques de taille majeure et de géométrie arbitraire. «Il s’agit d’une nouvelle approche informatique qui répond de façon polyvalente au problème des systèmes quantiques ouverts et recèle un vaste potentiel de développement», conclut Savona. Cette méthode est appelée à devenir un outil de choix pour étudier les systèmes quantiques complexes et, en regardant plus loin, évaluer les effets du bruit sur le matériel quantique.
Liens vers les articles concernés dans arXiv
Vicentini et al. https://arxiv.org/abs/1902.10104
Hartmann et Carleo https://arxiv.org/abs/1902.05131
Financement
Fonds national suisse de la recherche scientifique
Références
Alexandra Nagy, Vincenzo Savona. Variational quantum Monte Carlo with neural network ansatz for open quantum systems. Physical Review Letters Phys. Rev. Lett. 122, 250501 (2019). DOI: 10.1103/PhysRevLett.122.250501
Prevision.io renforce sa stratégie de solutions logicielles pour l'informatique quantique