L’ordinateur quantique de QCI résout un problème à 3854 variables de BMW en 6 minutes

Des performances 70 fois supérieures à celle du système éprouvé l’année dernière.

QCI (Quantum Computing Inc.), une société spécialisée dans l’informatique quantique, annonce avoir résolu un problème à 3 854 variables pour BMW en seulement six minutes. C’est une solution EQC (Entropy Quantum Computing) qui a réalisé ce temps record dans le cadre du VSPC (Vehicle Sensor Placement Challenge) 2022. Selon le communiqué de la société, son nouveau système quantique EQC a fourni des performances 70 fois supérieures à celui de l’année dernière, basée sur procédé quantique hybride D-Wave.

Image 1 : L'ordinateur quantique de QCI résout un problème à 3854 variables de BMW en 6 minutes
Crédit : BMW

Le défi : placer des capteurs dans un véhicules autonome BWM avec 3 854 variables et plus de 500 contraintes. Une tâche excessivement complexe en raison de la multitude de variables qui doivent être prises en compte (conception du châssis, absence d’obstruction, équilibrage, etc.). Pour résumer, c’est un problème qui nécessite de nombreux essais et erreurs pour aboutir à une solution optimale ; un terrain de jeu idéal pour l’informatique quantique et son approche probabiliste du calcul.

Des chercheurs du MIT sont parvenus à maintenir des états quantiques pendant 10 secondes

15 capteurs, pour une couverture de 96 %

Le système quantique de QCI a donc résolu le problème d’optimisation de BMW en moins de six minutes. Il a abouti à la meilleure disposition possible pour 15 capteurs offrant une couverture de 96 % du véhicule. Pour la comparaison, QCI rapporte qu’un ordinateur quantique NISQ (Noisy Intermediate Scale Quantum) du type QPU Eagle d’IBM ne peut traiter que 127 variables pour un problème d’une complexité comparable. L’entreprise considère que sa performance illustre les capacités de son système quantique à résoudre des problèmes concrets, y compris dans un contexte industriel.

Bob Liscouski, PDG de QCI, déclare : “Nous sommes très fiers d’avoir obtenu ce que nous considérons comme un résultat important dans l’évolution de l’informatique quantique. Nous pensons que cela prouve que les technologies innovantes de l’informatique quantique peuvent résoudre de vrais problèmes commerciaux d’aujourd’hui. Ce qui est encore plus significatif, c’est la complexité du problème résolu. Il ne s’agissait pas seulement d’un problème rudimentaire pour montrer que les solutions quantiques seront exploitables un jour ; il s’agissait d’un problème très concret et majeur dont la résolution peut potentiellement contribuer à aider l’industrie des véhicules autonomes.”

À lire > Guide d’achat processeurs : AMD Ryzen ou Intel Core, quel CPU acheter ?

Quelques explications supplémentaires par BMW…

Nous invitons ceux qui suggèrent dans les commentaires que leur PC à base Ryzen ou de Core peut réaliser ce genre de simulations en quelques minutes à lire les explications fournies par BMW et AWS lors de la première édition de ce challenge en 2021.

BWM précise notamment : “Les experts du BMW Group ont identifié plus de 50 défis à différents stades de la chaîne de valeur où l’informatique quantique pourrait apporter un avantage considérable à l’avenir. Cela nécessite des algorithmes innovants et une amélioration significative du matériel. Le BMW Group a décidé de faire appel à la communauté mondiale de l’informatique quantique pour l’aider à trouver les meilleures solutions pour l’avenir immédiat et au-delà. Le Quantum Computing Challenge se concentrera sur quatre défis spécifiques pour lesquels l’informatique quantique pourrait présenter un avantage par rapport aux méthodes de calcul classiques :

Optimisation de la position des capteurs pour les fonctions de conduite autonome [le cas présenté ici]
Simulation de la déformation des matériaux dans le processus de production
Optimisation de la configuration des véhicules de préproduction
Apprentissage automatique pour l’évaluation automatisée de la qualité

Image 2 : L'ordinateur quantique de QCI résout un problème à 3854 variables de BMW en 6 minutes
Crédit : BMW

Par Amazon Web Services

Pour la thématique du contrôle qualité, Amazon Web Services explique de son côté qu’au “cours des dernières décennies, le contrôle de la qualité est passé massivement de l’examen manuel des véhicules à l’inspection automatisée. Plus précisément, les techniques d’apprentissage automatique ont révolutionné le processus de contrôle de la qualité, les réseaux neuronaux convolutionnels (CNN) établissant de nouvelles normes en matière de traitement d’images pour l’inspection automatisée de la qualité. Par exemple, aujourd’hui, les fabricants utilisent beaucoup les algorithmes d’apprentissage automatique pour évaluer les pièces de véhicules afin de détecter les fissures et les rayures causées par le processus de formage du métal, en se basant sur la segmentation et la classification des anomalies.

Bien sûr, toute technologie a ses limites, et pour les CNN, il s’agit sans doute de la consommation nécessaire à cette puissance de calcul. Comme les CNN haute performance analysent généralement de très grands ensembles de données, les centres de données se retrouvent finalement avec des charges de travail GPU importantes et coûteuses. Le défi pour les participants au concours est d’explorer de nouvelles approches d’apprentissage automatique quantique […] qui ont le potentiel de fournir des résultats de manière plus rapide et plus efficace avec une plus grande précision, pour aider à améliorer l’évaluation automatique de la qualité des véhicules.”

Sources : QCI, BMW Group, Amazon Web Services

👉 Vous utilisez Google News ? Ajoutez Tom's Hardware sur Google News pour ne rater aucune actualité importante de notre site.

Votre Newsletter Tom's Hardware

📣 Souscrivez à notre newsletter pour recevoir par email nos dernières actualités !