L’IA de Nvidia s’attaque au talon d’Achille des ordinateurs quantiques, et ce n’est pas un détail

Nvidia était à l'origine une entreprise connue pour ses cartes graphiques destinées aux jeux vidéo et autres applications en 3D. Mais la firme américaine a su détourner la capacité de calcul en parallèle des puces graphiques afin de les proposer pour d'autres usages, notamment scientifiques, et conquérir le marché des serveurs et des supercalculateurs. Elle a ensuite su les faire évoluer pour accélérer l'intelligence artificielle, et est ainsi devenue la plus grande entreprise au monde.

Mais elle ne s'arrête pas uniquement au côté matériel, et travaille aussi sur l'intelligence artificielle. L'année dernière, Nvidia a lancé son propre modèle d'IA pour la robotique, Isaac GR00T N1. Désormais, la firme utilise l'IA pour s'attaquer à un nouveau domaine : l'informatique quantique. Nvidia vient d'annoncer une nouvelle famille de modèles d'IA open source baptisée Ising, destinée à la calibration et la correction d'erreurs. « L'IA est essentielle pour rendre l'informatique quantique viable », a affirmé Jensen Huang, le fondateur de Nvidia.

L’IA pour la calibration et la correction d’erreurs

Les ordinateurs quantiques utilisent des bits quantiques, ou qubits, qui sont difficiles à contrôler. La plupart des prototypes contiennent moins d'un millier de qubits, et pourtant il faut plusieurs jours pour les calibrer. Pour accélérer ce processus, Nvidia a créé le modèle Ising Calibration, un modèle vision-langage (VLM) qui peut interpréter et réagir aux mesures des processeurs quantiques. Des agents IA peuvent mener une calibration automatique en continu, qui ne nécessiterait plus que quelques heures.

Lire l'article

L'une des difficultés de l'informatique quantique est de contrôler ou de mesurer les qubits, alors que toute interaction crée du bruit. Le fonctionnement des algorithmes quantiques nécessite de détecter et de corriger ces erreurs instantanément. À cette fin, Nvidia a dévoilé Ising Decoding, qui est en réalité deux variantes d'un modèle de réseau neuronal convolutif 3D. L'une est optimisée pour la vitesse, l'autre pour la précision. Ces deux modèles réalisent une correction d'erreurs quantiques en temps réel, et ensemble, elles sont 2,5 fois plus rapides et trois fois plus précises que la meilleure solution actuelle, pyMatching. Les modèles ont déjà été adoptés par des institutions prestigieuses, comme Harvard, Cornell, Oxford, Fermilab, Berkeley, ainsi que des entreprises comme IQM, IonQ et Atom Computing.

Des modèles sous licence libre

Selon Nic Harrigan chez Nvidia, l'IA et les ordinateurs quantiques sont complémentaires. Il pense que l'IA pourra aider les chercheurs à trouver de nouvelles applications pour cette technologie. De leur côté, les ordinateurs quantiques pourraient servir à générer des données, par exemple sur le comportement des molécules, qui pourraient ensuite être utilisées pour entraîner des IA.

Lire l'article

Nvidia met en avant le fait que ses modèles sont sous licence libre, un facteur clé pour leur adoption. Il n'existe pas encore de standard pour la construction d'un processeur quantique, et des chercheurs travaillent sur de nombreux types de qubits. Un modèle open source peut être facilement adapté aux différentes technologies. Nvidia propose un guide pour que les développeurs puissent facilement les optimiser pour leurs architectures. De plus, cela permet de les faire fonctionner localement afin de garder le contrôle sur toutes les données. Ils sont disponibles en téléchargement depuis le site de Nvidia, ainsi que depuis GitHub et Hugging Face.