Le calcul quantique progresse vers des systèmes dits tolérants aux fautes, capables de corriger leurs propres erreurs, et la réduction de ces erreurs reste un défi central. En octobre, Google et Nvidia ont chacun annoncé des avancées autour de la technique magic state cultivation, qui vise à produire plus efficacement les états nécessaires aux calculs quantiques universels.
- Google et Nvidia font progresser la technique de magic state cultivation.
- Google réduit les erreurs 40 fois sur la puce Willow.
- Nvidia simule 104 qubits sur le supercalculateur Jupiter.
- La méthode de Nvidia utilise 90 % de qubits en moins.
Les qubits, unités de base de l’informatique quantique, sont très fragiles : ils peuvent perdre leur cohérence, et un système qui commet trop d’erreurs n’est pas utile. Les fournisseurs créent donc des qubits logiques à partir de nombreux qubits physiques, capables de détecter et de corriger les erreurs sans interrompre l’état quantique. Or un seul qubit logique peut exiger plusieurs milliers de qubits physiques, ce qui complique la montée en échelle.
Un ordinateur quantique universel doit combiner des portes de Clifford, comme les portes S et CNOT, et des portes non-Clifford, comme les portes T. La plupart des codes de correction d’erreurs savent gérer les premières, mais pas les secondes. Les états magiques, introduits en 2004 par des chercheurs, sont indispensables à ces calculs, mais ils sont fragiles, difficiles à produire avec une grande fidélité et ne peuvent pas être réutilisés.
Pour compenser, la distillation d’états magiques transforme de nombreux états bruités, c’est-à-dire imprécis, en un nombre réduit d’états de haute fidélité. Cette opération peut toutefois mobiliser jusqu’à 95 % de la capacité d’un système quantique, ce qui crée un goulot d’étranglement. En 2024, des chercheurs de Google ont présenté la magic state cultivation : au lieu de produire un grand nombre d’états bruités puis d’en jeter une grande partie, on place un état bruité dans une petite zone de la puce et l’on procède à des mesures qui repèrent les erreurs et éliminent les tentatives défectueuses, jusqu’à obtenir un état à plus faible taux d’erreur.
Une démonstration sur puce
Le 15 octobre, Google et Nvidia ont annoncé des projets qui, selon eux, font progresser de manière significative le développement de cette technique. Les chercheurs de Google Quantum AI rapportent la première mise en œuvre matérielle de la méthode, exécutée sur la puce supraconductrice Willow. D’après l’entreprise, la démonstration a permis de réduire les erreurs 40 fois par rapport aux états non cultivés, et d’obtenir des T-states atteignant 99,99 % de fidélité logique.
Moins d’une semaine plus tard, des chercheurs de Nvidia ont annoncé avoir mené une simulation de 104 qubits sur Jupiter, premier supercalculateur exascale européen, hébergé au Jülich Supercomputing Centre, en Allemagne, et équipé de superpuces Nvidia GH200. Selon Nvidia, la méthode utilise 90 % de qubits en moins que d’autres approches.
Sam Stanwyck, directeur produit quantique chez Nvidia, a qualifié les travaux des deux entreprises d’étape critique vers l’informatique quantique tolérante aux fautes. À propos de Google, il a déclaré : « C’est complémentaire aux travaux de Google. Ce que Google a fait est une démonstration à petite échelle sur matériel. C’était une preuve de concept montrant que la magic state cultivation fonctionne réellement sur du matériel réel. »
Les chercheurs de Google, après deux ans de travail pour faire passer la méthode de la théorie à la pratique, ont détaillé leurs résultats dans un article publié dans la revue Science. Ils reconnaissent devoir démontrer la technique à plus grande échelle pour la rendre réaliste dans un système quantique pratique, tout en estimant que « cette réalisation transforme une idée théorique clé en une réalité démontrée expérimentalement ».
Simuler pour concevoir
Selon Sam Stanwyck, la simulation est indispensable pour concevoir le matériel et les logiciels autour de ces approches. « Il faut les simuler aussi en profondeur que possible, pour comprendre leur comportement et surtout la façon dont elles gèrent les erreurs », a-t-il affirmé. Il a également mentionné les travaux d’Amazon Web Services et de Quantum Elements, avec l’University of Southern California et Harvard University, qui ont eux aussi utilisé une simulation pour traiter la correction d’erreurs.
Nvidia a employé sa plateforme quantique-classique CUDA-Q et son kit de développement logiciel cuQuantum pour modéliser des erreurs matérielles, y compris les erreurs cohérentes et les fuites. « Ce sont de toutes petites erreurs systématiques dans les opérations quantiques, qui s’accumulent au cours d’un calcul et limitent ce que l’ordinateur peut faire », a expliqué Sam Stanwyck. Le projet a débuté sur un système équipé de GB200 NVL72 au Accelerated Quantum Research Center de Boston, avant d’être étendu à Jupiter, où les tests sont passés de quatre GPU à plusieurs centaines, puis à 8 192 GPU.
